Cheerio 性能怎么优化？大文件和高并发场景怎么处理？

Cheerio 性能优化抓住三个方向：选择器、内存、并发。选择器方面：用 .find() 配合具体 class 替代深层后代选择器，缓存 $container 后链式调用避免重复查询。内存方面：大文件用 stream 分块解析代替一次 load，批量 DOM 操作先拼字符串再一次性 .html() 插入，用完的 $ 引用及时置空触发 GC。并发方面：多 URL 用 Promise.all 并行请求 + 逐个解析，超大数据集用 Worker 线程分片处理。load 选项中 decodeEntities: false 和 withDomLvl1: false 也能减少不必要的解析开销。

追问

为什么 .find() 比层级选择器快？ $('.container .item .title') 每次都从根节点全量匹配三层；$('.container').find('.item').find('.title') 先锁定容器再在子集中查找，搜索范围逐层缩小。差距在元素数量大时（万级以上）才明显。

大文件怎么避免内存溢出？ 不要 cheerio.load(wholeFile)，改用 stream 按 </item> 等边界标签分割，每块单独 load 解析后立即释放。内存占用从 O(n) 降到 O(chunk)，10MB 文件也不会爆。

批量插入 DOM 为什么不能逐个 append？ 每次 .append() 都触发内部 DOM 树重建，1000 次就是 1000 次重建。正确做法是先用数组拼 HTML 字符串，最后 .html(str) 一次性写入，从 O(n) 次操作降到 1 次。

load 选项哪些影响性能？ decodeEntities: false 跳过 HTML 实体解码（不需要中文转义时关闭）；withDomLvl1: false 跳过 DOM Level 1 兼容处理；normalizeWhitespace: false 跳过空白合并。三个都关掉可提速 15-20%。

多 URL 并发爬取怎么做？ 用 p-limit 或手动分批 Promise.all：for (let i = 0; i < urls.length; i += 5) 每批 5 个并发，避免同时发起数百请求被限流或打挂目标服务器。

写段代码

javascript
// 流式解析大文件，内存恒定
const results = [];
let buf = '';
fs.createReadStream('big.html')
  .on('data', chunk => {
    buf += chunk;
    const matches = buf.match(/<item[\s\S]*?<\/item>/g) || [];
    matches.forEach(m => {
      const $ = cheerio.load(m);
      results.push($('name').text());
    });
    buf = buf.slice(buf.lastIndexOf('</item>') + 7);
  });