こっぱみぢんこ

XMLの5

朝、卵焼きを作ろうと卵を割ったら、シャム双生児風だった。

いつも買っている卵はやや大きめで、そのせいか黄身が双子の確率が結構高い。しかしこれまでに何度か遭遇した双子はどれも、二つの黄身がきっちり分離していた。こうして半分くっついた双子は、俺的には珍しいのだが、世間一般ではどうなんだろう。

そして、この塗りの剥がれたお碗を、俺はいつまで使うのか。

XML

昨日の続き。

メモリ不足をどう回避するかを考えていたのだが、更にその先を考えてみれば、仮に String.replace() で動いたとしても遅いんだよな。特に第2引数をfunctionにした場合は激遅い。

ということで、SAX風という基本路線はそのままに String.replace() ではなく String.substr() を使ってみることにした。

String.replace() が置換した結果を新しい文字列として作成するのに対し、 String.substr() は元の文字列の参照開始位置をずらしたものを返すので、速い上にメモリの使用効率も良い。よく判らないメモリ不足を、これなら回避できるのではないか。


function doLoad() {
    try {
        document.getElementById( "base" ).innerHTML = xmlToHtml( loadXml( getFilename() ) ).join( "" );
    } catch (e) {
        alert(e);
    }
    function getFilename() {
        var filename = document.getElementById( "txtFile" ).value;
        if ( !filename ) {
            throw "ERROR : filename";
        }
        return filename;
    }
    function loadXml( filename ) {
        var iStrm = new ActiveXObject( "ADODB.Stream" );
        var enc   = loadFromFile( "Shift_JIS", -2 ).match( /\s+encoding="([^"]+)"/ );
        return loadFromFile( enc ? enc[ 1 ] : "Shift_JIS", -1 );
        
        function loadFromFile( encoding, mode ) {
            iStrm.Charset = encoding;
            iStrm.Open();
            iStrm.LoadFromFile( filename );
            var buf = iStrm.ReadText( mode );
            iStrm.Close();
            return buf;
        }
    }
    function xmlToHtml(xml) {
        var rInstruction = new RegExp( /^<\?(.+?)\?>/ );                         // 1:宣言内部
        var rDoctype     = new RegExp( /^<!DOCTYPE\s+([^\s].+?)>/i );            // 1:宣言内部
        var rComment     = new RegExp( /^<!--([\s\S]*?)-->/ );                   // 1:コメント
        var rCData       = new RegExp( /^<!\[CDATA\[([\s\S]+?)\]\]>/i );         // 1:CDATA内部
        var rText        = new RegExp( /^(([^<]|[*s])+)/ );                      // 1:テキスト全体
        var rTag         = new RegExp( /^<([^\?!][^>]*(\s*("[^"]*")*\s*)*?)>/ ); // 1:<>内部
        var rNotBlank    = new RegExp( /[^\s]/m );
        var rAttributes  = new RegExp( /\s+([^\s="]+)\s*=\s*"([^"]+)"/g );       // 1:属性名, 2:属性値
        var htmlAry = [];
        var buf = xml;
        while ( buf !== "" ) {
            var len = buf.length;
            buf = match( buf, rInstruction, instructionHandler );
            buf = match( buf, rDoctype,     doctypeHandler     );
            buf = match( buf, rComment,     ignore             );
            buf = match( buf, rCData,       cDataHandler       );
            buf = match( buf, rTag,         tagHandler         );
            buf = match( buf, rText,        textHandler        );
            if( len === buf.length ) {
                throw "ERROR : unsupported element";
            }
        }
        return htmlAry;

        function match( s, regexp, handler ) {
            var matched = s.match( regexp );
            if ( matched ) {
                handler( matched[ 1 ] );
                return s.substr( matched[ 0 ].length );
            }
            return s;
        }
        function ignore() {}
        function instructionHandler( s ) {
            htmlAry.push( "<div>&lt;?" + s + "?&gt;</div>" );
        }
        function doctypeHandler( s ) {
            htmlAry.push( "<div>&lt;!DOCTYPE " + s + "&gt;</div>" );
        }
        function cDataHandler( s ) {
            htmlAry.push("<div>&lt;![CDATA[<div>" + s.replace("<", "&lt;").replace(">", "&gt;") + "</div>]]&gt;</div>");
        }
        function textHandler( s ) {
            if ( rNotBlank.test( s ) ) {
                htmlAry.push(s.replace( "<", "&lt;" ).replace( ">", "&gt;" ) );
            }
        }
        function tagHandler( s ) {
            if ( s.charAt( 0 ) === "/" ) {
                endTagHandler( s );
            } else if( s.charAt( s.length - 1 ) === "/" ) {
                emptyTagHandler( s );
            } else {
                startTagHandler( s );
            }
        }
        function startTagHandler( s ) {
            htmlAry.push( "<div>&lt;" + setClassToAttribute( s ) + "&gt;" );
        }
        function endTagHandler( s ) {
            htmlAry.push( "&lt;" + s + "&gt;</div>" );
        }
        function emptyTagHandler( s ) {
            htmlAry.push( "<div>&lt;" + setClassToAttribute( s ) + "&gt;</div>" );
        }
        function setClassToAttribute( s ) {
            if ( rAttributes.test( s ) ) {
                return s.replace( rAttributes, ' $1="$2"' );
            }
            return s;
        }
    }
}

昨日との大きな違いは、 String.replace() を繋げていたところが match() の繰り返しになったこと。このmatchの中で

XMLの要素を表現する正規表現にマッチするか試す。
サブマッチを引数にハンドラーを呼び出し、innerHTML用の文字列を作成、登録する。
String.substr() でマッチした分だけを除外した残りの文字列を、次の検索用に返す。

と、SAX風の肝となる処理をしている。

そもそも String.replace() を選択したのが記述が楽だからで、だから String.substr() にしたら面倒になるかと思ったのだが、その面倒な部分を関数に隠蔽してしまえば、全体的には若干面倒って程度で大差無いな。いや、ハンドラーの方は長さ0の文字列を返す記述が不要になったし、むしろスッキリしたかもしれない。

そして動作確認。

これが予想外に速い。そして完遂率も高い。 SAX風処理内でのメモリ不足は発生しない。

せっかくだから、昨日の即死版はちょっと忘れて、これまでの各バージョンに約10MBのテスト用XMLファイルを読ませて処理時間を比較してみた。

load() 内の最初と最後で時刻を取得して時間差を出してみると、こんな感じ。

月.日	処理時間(秒)
02.03	40
02.04	14
02.06	7

割と良い感じで日々改善されているではないか。

表中の下の2つは、どちらも処理時間のうちの3秒ほどがinnerHTMLの文字列をHTMLのDOMに変換するのに使われている。また、どのバージョンでも、この処理時間の後におよそ10秒かかってHTAの画面のレンダリングが完了する。

つまり今のバージョンだと、改善の余地はあと4秒分ぐらいしかなくて、しかもそこはもうボトルネックではないのだな。

ということで、予想外に難航した doLoad() はここまで。続きは明日。

2016 02 06

XMLの5

XML