为什么这个 XML 文件加载缓慢？答案

【问题标题】：Why does this XML file load slowly?为什么这个 XML 文件加载缓慢？
【发布时间】：2011-08-05 04:03:35
【问题描述】：

我有一些非常简单的代码：

        XmlDocument doc = new XmlDocument();
        Console.WriteLine("loading");
        doc.Load(url);
        Console.WriteLine("loaded");

        XmlNodeList nodeList = doc.GetElementsByTagName("p");

        foreach(XmlNode node in nodeList)
        {
            Console.WriteLine(node.ChildNodes[0].Value);
        }
        return source;

我正在处理this 文件，加载需要两分钟。为什么需要这么长时间？我尝试了从网上获取和文件并加载本地文件。

【问题讨论】：

呃，你的文件链接是维基百科上关于“热牛奶蛋糕”的文章
您可能想再次检查该网址，很确定 C# 的 XML 库不会加载热牛奶蛋糕。
这有什么问题？ HTML 源代码是有效的 XML。
热牛奶蛋糕+1，还有一个有趣的问题。
热牛奶蛋糕未通过w3schools.com/xml/xml_validator.asp 上的 XML 验证器测试。可以说 .Net 根本不需要加载它。

标签： c# xml performance xhtml

【解决方案1】：

我想是the DTD of the page 需要很长时间才能加载。鉴于它定义了实体，你不应该disable it，所以你最好不要走这条路。

鉴于 wikipedia 解析器的内部工作原理（一团糟），我认为假设它每次都会生成格式良好的 XHTML，这是一个巨大的飞跃。

使用HTML Agility Pack to parse（如果需要，您可以更轻松地转换为XmlDocument，IIRC）。

如果您真的想走XmlDocument 路线，您可以保留 HTML DTD 的本地缓存。详见this post、this post和this post。

【讨论】：

+1，抢我答案；如果您下载副本并删除它会立即解析的 DTD，但随后会失败，因为 ®仅在 DTD 中定义。
W3C 会限制其 DTD 文件的流量，因为它们会被请求淹没。您可以使用自定义实体解析器来加载 DTD 文件的本地副本。

【解决方案2】：

这是因为 XmlDocument 不仅将您的 Xml 加载到一个不错的类层次结构中，它还可以获取文档中定义的所有命名空间 DTD。运行fiddler，你会看到调用 fetch

http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd
http://www.w3.org/TR/xhtml1/DTD/xhtml-lat1.ent
http://www.w3.org/TR/xhtml1/DTD/xhtml-symbol.ent
http://www.w3.org/TR/xhtml1/DTD/xhtml-special.ent

这些都花了我大约 20 秒来获取。

【讨论】：