lxml xslt 性能与 xpath 和替换

Question

我有一些代码，作为其运行的一部分，为了输出，它获取一个 HTML 文档并将其修改为另一种形式。 （本质上是 HTML 到 BBCode。）

我目前正在通过定义 XPath 和替换的字典来执行此操作，然后使用 lxml 中的工具迭代字典：

change_xpaths = {
                  XPath(".//span[contains(@style, 'font')]") : "font",
                  XPath(".//span[contains(@style, 'color')]") : "color",
                  XPath(".//span[contains(@style, 'size')]") : "size"
                  }

replace_xpaths = {
            XPath(".//span[@style='text-decoration: underline']") : "u",
            XPath(".//span[@style='text-decoration: line-through']") : "s",
            XPath(".//div[@style='padding-left: 30px']") : "remove"
                }

def _clean_text(cls, raw):
    for ele in cls.struck_through_xpath(raw):
        ele.getparent().remove(ele)
    for xp, repl in cls.replace_xpaths.items():
        for ele in xp(raw):
            ele.attrib.pop("style")
            ele.tag = repl
    for xp, chng in cls.change_xpaths.items():
        for ele in xp(raw):
            ele.tag = chng
    for br in raw.xpath(".//br"):
        try:
            br.tail = "\n" + br.tail
        except TypeError:
            br.tail = "\n"
    strip_elements(raw, 'img', with_tail = False)
    strip_elements(raw, 'br', with_tail = False)
    strip_tags(raw, 'remove')

（这确实是类定义的一部分。）

我知道我也可以使用 xslt 转换来做到这一点。

首先，我想要一个确认，我确实可以使用 xslt 完成所有这些操作，即用非标准标签替换一些标签，并在保留其文本或尾部内容的同时彻底删除标签。

其次，我想知道这样做是否可以显着提高性能？我怀疑是这样，但是，我似乎在互联网上找不到太多关于此的信息。

Answer 1

问题 1： 是的，这可以通过 XSLT 实现。但似乎您只是忽略了字体、颜色和大小值。实际上，使用 XSLT 1.0 从内联 CSS 解析这些值可能会很复杂。

问题 2： 我认为它会明显更快。使用您当前的解决方案，您必须多次迭代文档的所有节点（超过 10 次，AFAICS）。使用 XSLT 样式表，您只访问每个输入节点一次。此外，由于 lxml 基于 libxml2 和 libxslt，因此您需要更少的 C API 调用，根据我的经验，这可能会非常昂贵。

OTOH，您可以通过重写 Python 代码以仅扫描文档一次来获得类似的性能提升。

如果进行多次转换，请确保只编译一次 XSLT 样式表。

在 XSLT 级别上还可以进行一些优化。最优雅的方式是编写如下模板：

<xsl:template match="span[contains(@style, 'font')]">...
<xsl:template match="span[contains(@style, 'color')]">...
<xsl:template match="span[contains(@style, 'size')]">...

这样每个元素名称都有一个模板可能会快一点：

<xsl:template match="span">
    <xsl:choose>
        <xsl:when test="contains(@style, 'font')">...
        <xsl:when test="contains(@style, 'color')">...
        <xsl:when test="contains(@style, 'size')">...