[uylug-programming] Procesamiento de XML

[Chicken Urine]

Estoy completamente de acuerdo que usar XPath es lo más prolijo, pero a
veces es necesario tomar decisiones desprolijas en pos de la performance.
Habría que hacer pruebas y ver qué se comporta mejor.


.:-:ChiCkENURiNE:-:.
+ El SPAM <http://groups.google.com/group/spam-a-lot/> tiene su lugar.


2013/6/14 Carlos M. Martinez <carlosmarcelomartinez at gmail.com>

>  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>
>
>> 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>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 listUylug-programming at listas.uylug.org.uyhttp://listas.uylug.org.uy/listinfo.cgi/uylug-programming-uylug.org.uy
>>>
>>>
>>> --
>>> Ivan Baldo - 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 - http://go.to/ibaldo
>>>
>>>
>>
>> _______________________________________________
>> Uylug-programming mailing list
>> Uylug-programming at listas.uylug.org.uy
>> http://listas.uylug.org.uy/listinfo.cgi/uylug-programming-uylug.org.uy
>>
>>
>
>
> _______________________________________________
> Uylug-programming mailing listUylug-programming at listas.uylug.org.uyhttp://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/b7031b72/attachment-0005.htm>