php - 在 html 代码上运行 preg_replace 花费的时间太长

Question

冒着被重定向到 this answer 的风险(是的，我读了它并花了最后 5 分钟大笑)，请允许我解释这个问题，这只是众多问题中的一个。

我的雇主要求我审查一个用 PHP 编写的网站，使用 Smarty 作为模板，使用 MySQL 作为 DBMS。它目前运行非常缓慢，最多需要 2 分钟(整个过程都是全白的屏幕，不少于此)才能完全加载。

使用 xdebug 分析代码，我发现一个 preg_replace 调用大约需要 30 秒才能完成，它目前遍历所有 HTML 代码并将找到的每个 URL 替换为其 SEO 友好版本。一旦完成，它会将所有代码输出到浏览器。 (正如我之前所说，这不是唯一的问题 - 代码相当陈旧，而且它显示 - 但我将重点关注这个问题。)

进一步深入研究代码，我发现它目前在 1702 个模式中查找每个适当的匹配项(匹配项和替换项都在相同大小的数组中)，这肯定会占用它所花费的时间。

代码如下:

//This is just a call to a MySQL query which gets the relevant SEO-friendly URLs:   
$seourls_data = $oSeoShared->getSeourls();

$url_masks = array();
$seourls = array();
foreach ($seourls_data as $seourl_data)
{
    if ($seourl_data["url"])
    {
        $url_masks[] = "/([\"'\>\s]{1})".$site.str_replace("/", "\/", $seourl_data["url"])."([\#|\"'\s]{1})/";
        $seourls[] = "$1".MAINSITE_URL.$seourl_data["seourl"]."$2";
    }
}

//After filling both $url_masks and $seourls arrays, then the HTML is parsed:
$html_seo = preg_replace($url_masks, $seourls, $html);
//After it completes, $html_seo is simply echo'ed to the browser.

现在，我知道这个问题的明显答案是:不要使用正则表达式解析 HTML。但是，如何解决这个特定问题呢？我的第一次尝试可能是:

1. 将(希望格式正确的)HTML 加载到 DOMDocument 中，然后获取每个 a 标记中的每个 href 属性，like so.
2. 遍历每个节点，替换为其适当匹配找到的 URL(这可能意味着无论如何都使用以前的正则表达式，但在一个大大减小的字符串上)
3. ???
4. 利润？

但我认为这很可能不是解决问题的正确方法。有什么想法或建议吗？

谢谢。

Answer 1

由于您的目标是对 SEO 友好，因此在目标页面中使用规范标签会告诉搜索引擎使用您对 SEO 友好的 url，因此您无需在代码中替换它们...