[uylug-programming] Procesamiento de XML
Carlos M. Martinez
carlosmarcelomartinez at gmail.com
Fri Jun 14 07:10:10 PDT 2013
Ese es el punto del XPath, no hace falta hilar tan fino en la estructura
del texto mismo como con sed/awk, donde matcheando patrones de texto se
te puede romper todo por un espacio de mas o de menos.
En Python: http://lxml.de/xpathxslt.html
s2
~Carlos
On 6/14/13 8:58 AM, Chicken Urine wrote:
> Dependiendo de como sea la estructura del xml puede ser trivial con
> sed/awk pasarlo a un csv. Hacer un load data de 10k registros en Mysql
> te puede llevar menos de 30 segundos con la configuración optima.
>
>
> .:-:ChiCkENURiNE:-:.
> + El SPAM <http://groups.google.com/group/spam-a-lot/> tiene su lugar.
>
>
> 2013/6/14 Alejandro Stendelis <stendelis at gmail.com
> <mailto:stendelis at gmail.com>>
>
> Gracias, por los consejos en PHP, pero ya he probado todo y he
> realizado varias pruebas de velocidad, del xml preciso toda la
> info que tiene, el que tiene 2.5 millones de tags, se transforman
> en 10 mil registros en el MYSQL, de ahí la velocidad de procesado
> que necesito.
>
>
> El 13 de junio de 2013 23:36, Ivan Baldo <ibaldo at adinet.com.uy
> <mailto:ibaldo at adinet.com.uy>> escribió:
>
> Hola.
> Capás que el problema con XMLReader es que generalmente
> debe usarse iterando por cada elemento leído con código PHP y
> PHP es lentísimo como lenguaje :-(.
> Si no precisás realmente todos los elementos del XML para
> procesar sino que sólo algunos entonces en una de esas logras
> mejor velocidad con DOMDocument y afines:
> http://www.php.net/manual/es/book.dom.php .
> Con esa clase lo levantas y luego por ejemplo podes pedir
> todos los elementos que son determinado "tag" (nombre de
> elemento) o por id; si precisas algo mas avanzado entonces
> podés utilizar DOMXPath.
> Alternativamente podés probar SimpleXML
> http://www.php.net/manual/es/book.simplexml.php que es un poco
> mas sencillo de usar aunque supongo (me puedo equivocar) que
> un poco mas lento, pero probablemente si no iteras en todos
> los elementos va a ser bastante mas rápido que XMLReader.
> Saludos.
>
>
> El 13/06/13 11:21, Alejandro Stendelis escribió:
>> Hola,
>>
>> Tengo un proyecto funcionando, esta realizado en PHP, el
>> mismo se trata de procesar cada hora algunos archivos XML
>> (son unos 30 archivos que pesan de 5 megas a 350 megas).
>>
>> El servicio funciona de esta manera en resumen.
>>
>> Legan los XML en formato .zip.
>> Un cron job se fija cuando se actualizan.
>> Si hay archivos de descomprimen.
>> Un php toma el XML y por medio de XMLReader() lo procesa y
>> hace unos 10 inserts en promedio por cada XML.
>> Luego se utiliza los datos de la DB para hacer funcionar un
>> servicio.
>>
>> La situación hasta este momento es que lo hace muy bien, pero
>> necesito acelerar el proceso de los XML, XMLReader() tarda en
>> el XML mas grande unos 20 minutos, son cerca de 350 megas y
>> unas 2.5 millones de lineas.
>>
>> Me imagino que haciendo un script shell o en C, que corra
>> directamente sobre el servidor linux, ahorro mucho tiempo y
>> puedo tener mas control de los procesos, ya que es mas nativo
>> por así decirlo.
>>
>> Buscando encontré estos códigos, los cuales me imagino que
>> uno de ellos es el mejor camino a seguir.
>>
>> Mi pregunta es, quien tiene experiencia en tratar desde
>> scripts datos complejos?, y cual es el mejor camino a seguir?
>> Necesitaré un programador Freelance que en algún momento
>> tendré que contratar.
>>
>>
>> http://vtd-xml.sourceforge.net/
>> http://xml-shell.sourceforge.net/
>> http://www.xmlsh.org/Commands
>> http://rpbouman.blogspot.com/2006/03/importing-xml-data-into-mysql-using.html
>>
>> Gracias.
>>
>>
>> _______________________________________________
>> Uylug-programming mailing list
>> Uylug-programming at listas.uylug.org.uy <mailto:Uylug-programming at listas.uylug.org.uy>
>> http://listas.uylug.org.uy/listinfo.cgi/uylug-programming-uylug.org.uy
>
> --
> Ivan Baldo - ibaldo at adinet.com.uy <mailto:ibaldo at adinet.com.uy> - http://ibaldo.codigolibre.net/
> From Montevideo, Uruguay, at the south of South America.
> Freelance programmer and GNU/Linux system administrator, hire me!
> Alternatives: ibaldo at codigolibre.net <mailto:ibaldo at codigolibre.net> - http://go.to/ibaldo
>
>
>
> _______________________________________________
> Uylug-programming mailing list
> Uylug-programming at listas.uylug.org.uy
> <mailto:Uylug-programming at listas.uylug.org.uy>
> http://listas.uylug.org.uy/listinfo.cgi/uylug-programming-uylug.org.uy
>
>
>
>
> _______________________________________________
> Uylug-programming mailing list
> Uylug-programming at listas.uylug.org.uy
> http://listas.uylug.org.uy/listinfo.cgi/uylug-programming-uylug.org.uy
-------------- next part --------------
An HTML attachment was scrubbed...
URL: <http://listas.uylug.org.uy/pipermail/uylug-programming-uylug.org.uy/attachments/20130614/0d1b09a2/attachment-0005.htm>
More information about the Uylug-programming
mailing list