xml - 带有谓词 : How to avoid quadratic time increase 的 XPath

Question

考虑这个简化的 Adob​​e Premiere 项目文件:

<Project>
    <Sequences>
        <UID.1>a</UID.1>
        <UID.2>b</UID.2>
        <UID.3>c</UID.3>
    </Sequences>
</Project>
<Sequence ObjectUID="a"> ... </Sequence>
<Sequence ObjectUID="b"> ... </Sequence>
<Sequence ObjectUID="c"> ... </Sequence>
<Sequence ObjectUID="x"> ... </Sequence>

目标是找到 Project/Sequences/UID.N 引用的所有序列元素

我构建了这个 Xpath 查询:

/Sequence[@ObjectUID=
  /Project/Nodes/*[starts-with(local-name(),"UID.")]
]

这样做的问题是，对于一个非常大的 XML 文件(100 MB)，即使其中只有 20 个 Sequence 元素，以及同一级别的 10000 个其他同级元素，搜索也需要很多秒。

如果我只收集内部查询的结果，即从

/Project/Nodes/*[starts-with(local-name(),"UID.")]

然后遍历 20 个 UID，通过 /PremiereData/Sequence[@ObjectUID='a'] 通过 ObjectUID 获取每个序列等等，它非常快。

这向我表明 Xpath 处理器不会像我期望的那样首先评估(和不变的)内部表达式一次，然后选择外部 expr 的元素，而是首先获取所有序列，然后重新评估内部谓词对于他们每个人，这就是让它如此缓慢的原因。

我说得对吗？我可以更改查询以使其不会发生，或者添加提示以告诉表达式评估器谓词是不变的吗？

Answer 1

大多数 XPath 处理器不做任何智能连接优化，它们只是使用嵌套循环。 Saxon-EE 是我所知道的唯一可以按照您建议的方式优化连接的处理器。

如果您在 XSLT 中，那么使用 xsl:key 是通常的解决方法，但在纯 XPath 中没有简单的答案 - 特别是如果它是 XPath 1.0。