yilin 的程式日記: [C#] XmlDocument 搭配 Linq 與 XPath

一般最常搭配 XML 用來查詢資料的技術是 XPath . 不過 .Net 僅支援到 XPath 1.0 , 有時想在 XPath 中加上日期函式的判斷都不行.
再加上若使用了 XPath 的函式或一些判斷式後, 整個 XmlDocument 的查詢效能會變慢. (參考以下的例子)
本文章所使用的 XML 內容 (ad.xml : 紀錄一些廣告圖與連結):

<?xml version="1.0" encoding="utf-8" ?>
<ads>
  <item>
    <title>我的E政府</title>
    <weight>10</weight>
    <image>http://www.gov.tw/images/head_logo.jpg</image>
    <url>http://www.gov.tw/</url>
  </item>
  <item>
    <title>PChome Online 網路家庭</title>
    <weight>9</weight>
    <image>http://www.pchome.com.tw/img/pchomelogo.gif</image>
    <url>http://www.pchome.com.tw/</url>
  </item>
  <item>
    <title>Yahoo!奇摩</title>
    <weight>9</weight>
    <image>http://l.yimg.com/f/i/tw/hp/mh/09purple.gif</image>
    <url>http://tw.yahoo.com/</url>
  </item>
  <item>
    <title>巴哈姆特電玩資訊站</title>
    <weight>9</weight>
    <image>http://pic.bahamut.com.tw/index_w/baha_logo.jpg</image>
    <url>http://www.gamer.com.tw/</url>
  </item>
</ads>

假如我們現在要找出所有 <weight> 值為 9 的 <item> , 傳統上可用以下兩個方式:
(程式部分用迴圈跑 10000 次, 來區分兩種做法的效能)

使用 XPath 做篩選:

XmlDocument doc = new XmlDocument();
doc.Load("ad.xml");
DateTime dtStart = DateTime.Now;
for (int i = 0; i < 10000; i++)
{
  XmlNodeList nodes = doc.SelectNodes("//item[weight='9']");
  foreach (XmlNode node in nodes)
  {
    string s = node.OuterXml;
  }
}
Console.WriteLine(("{0} (毫秒)" + DateTime.Now - dtStart).Milliseconds);
//輸出了: 337 (毫秒)

在程式中判斷:

XmlDocument doc = new XmlDocument();
doc.Load("ad.xml");
DateTime dtStart = DateTime.Now;
for (int i = 0; i < 10000; i++)
{
  XmlNodeList nodes = doc.SelectNodes("//item");
  foreach (XmlNode node in nodes)
  {
    if (node["weight"].InnerText == "9")
    {
      string s = node.OuterXml;
    }
  }
}
Console.WriteLine(("{0} (毫秒)" + DateTime.Now - dtStart).Milliseconds);
//輸出了: 250 (毫秒)

兩種做法的不同點只有在 SelectNodes 的地方, 前者直接透過 XPath 篩選掉不符條件的節點；後者是將 <item> 全取出後, 在程式中判斷.
儘管效能上有差異, 還是可以視情況選擇 XPath 使用的方式. 例如僅單純地使用樹狀結構查詢所需的節點, 並避免在 XPath 中使用一些函式去做文字或屬性值的判斷.

自從 .Net 出了 Linq 後, 個人感覺對 XML 的查詢更有幫助了. (效能部分因為是端看怎麼查詢, 較為主觀, 這邊就不比較效能)
以上述的例子來看, 我們可以用 Linq 的語法進行查詢: (僅供參考: 效能大約介於上述兩個做法, 300毫秒上下)

XmlDocument doc = new XmlDocument();
doc.Load("ad.xml");
var query = from n in doc.SelectNodes("//item").Cast<XmlNode>()
            where int.Parse(n["weight"].InnerText) == 9
            select n;
foreach (XmlNode node in query)
{
  string s = node.OuterXml;
}

此用法的關鍵在於要將 SelectNodes 做一次 Cast , 轉為 XmlNode. 接下來用一個例子來說明 XmlDocument + Linq 的好處.

假設本文所使用的 ad.xml 檔案是一個網站用來呈現廣告的資料來源, 在前台會顯示的廣告圖共有三個, 其中權重 (<weight>) 為10的是一定要呈現的廣告, 若權重相同, 則以亂數決定.
基於少述的條件, 可以大概知道查詢上除了權重 (<weight>)外, 還要加上一個隨機的查詢條件, 以造成圖片有隨時更換的效果.
如果用過去的查詢方式, 大概會是如下的步驟:

先查出權重最高的並以亂數排序: 將權重為10的 <item> 再搭配上一個亂數進行排序, 然後將前三名取出.
如果權重為10的項目未超過三個, 需再從權重小於10的項目中再選出, 選的過程還是要加入隨機值做排序.
一直重覆第2步, 直到滿足廣告所需出現的數量 (ex: 三個) .

感覺上用資料庫的 SQL 句就可以很容易達成的事 (ORDER BY weight DESC, NEWID() DESC), 到了 XML 就因為多了一個隨機亂數, 而變得複雜.
現在, 換用 Linq 做, 程式碼大致如下:

//廣告最多3則
int intAdCount = 3;
//產生亂數的物件
Random rnd = new System.Random((int)DateTime.Now.Ticks);
XmlDocument doc = new XmlDocument();
doc.Load("ad.xml");
var query = (from n in doc.DocumentElement.SelectNodes(".//item").Cast<XmlNode>()
             orderby Convert.ToInt32(n["weight"].InnerText) descending, rnd.Next(0, 10) descending
             select n).Take(intAdCount);
foreach (XmlNode node in query)
{
  string strTitle = node["title"].InnerText;
  string strImage = node["image"].InnerText;
  string strUrl = node["url"].InnerText;
}

上述的程式碼除了將 XML 中排序與亂數的問題解決, 甚至利用 Take() 就將最多只抓取三個廣告項這個條件也做掉了.
由於在 Linq 中可以用到 .Net Framework的函式庫, 所以像是日期或字串的判斷, 也就顯得更為彈性.
以上供參考, 例子舉得不好請見諒.
PS. 上述的例子, 將第7行後的程式以迴圈方式連續執行10000次, 大約花200毫秒, 效能上並不會因為用了 Linq 而不好.

yilin 的程式日記

2010/08/06

[C#] XmlDocument 搭配 Linq 與 XPath

沒有留言: