Quadratic time in `xml.etree.ElementTree` when parsing text with a large number of comments
Aberta
Ninguém assumiu esta issue ainda.
extension-modules
topic-XML
type-bug
- Linguagem predominante
- Python
- Estrelas
- 77.2k
- Forks
- 36k
- Métricas de merge de PRs
- Métricas de PR pendentes
Descrição
Bug report
Bug description:
import time
import xml.etree.ElementTree as ET
for N in (5000, 10000, 20000, 40000, 80000):
data = b"<r>" + b"x<!---->" * N + b"</r>"
s = time.perf_counter()
ET.fromstring(data)
dt = time.perf_counter() - s
print(f"{N} {dt}s")
I see:
$ python repro.py
5000 0.025435873976675794s
10000 0.0888163199997507s
20000 0.3610062320076395s
40000 1.4099939750158228s
80000 5.41402202800964s
Found by OSS-Fuzz.
CPython versions tested on:
CPython main branch
Operating systems tested on:
No response
Linked PRs
- gh-155407
Guia de contribuição
Primeiros passos
- Leia a issue inteira e depois o guia de contribuição do projeto.
- Comente na issue dizendo que vai assumir — evita que duas pessoas façam o mesmo trabalho.
- Faça um fork do repositório e trabalhe em uma branch.
- Abra um pull request que referencie o número da issue.
Direção de pesquisa
Comece com o reprodutor de ET.fromstring() na issue e compare os tempos à medida que o número de comentários aumenta. Revise o PR vinculado gh-155407 para entender o trabalho que já está em andamento; considera-se concluído quando o parsing dessa entrada não apresentar mais crescimento de tempo quadrático.
Escrita pelo modelo de indexação a partir do texto da issue.
Avaliação
- Stack de tecnologia
- python
- Domínio
- performance
- Tipo de issue
- Bug
- Dificuldade
- 4/5
- Tempo estimado
- 3-5 dias
- Status de atividade
- Estagnada
- Clareza
- Razoavelmente clara
- Facilidade para iniciantes
- 25/100