Ruby的XML格式数据解析库Nokogiri的使用进阶

admin Ruby

2023-12-05 0 146

一、基础语法
1.直接以字符串形式获取nokogiri对象:

html_doc = Nokogiri::HTML(\”<html><body><h1>Mr. Belvedere Fan Club</h1></body></html>\”)
xml_doc = Nokogiri::XML(\”<root><aliens><alien><name>Alf</name></alien></aliens></root>\”)

这里的html_doc和xml_doc就是nokogiri文件

2.也可以通过文件句柄获取nokogiri对象:

f = File.open(\”blossom.xml\”)
doc = Nokogiri::XML(f)
f.close

3.还可以直接从网站获取:

require \’open-uri\’
doc = Nokogiri::HTML(open(\”http://www.xxx.com/\”))

二、XML文件解析实例
从XML/HTML文件里抓取字段的常用方法:

现在有一个名为shows.xml的文件,内容如下:

<root>
<sitcoms>
<sitcom>
<name>Married with Children</name>
<characters>
<character>Al Bundy</character>
<character>Bud Bundy</character>
<character>Marcy Darcy</character>
</characters>
</sitcom>
<sitcom>
<name>Perfect Strangers</name>
<characters>
<character>Larry Appleton</character>
<character>Balki Bartokomous</character>
</characters>
</sitcom>
</sitcoms>
<dramas>
<drama>
<name>The A-Team</name>
<characters>
<character>John \”Hannibal\” Smith</character>
<character>Templeton \”Face\” Peck</character>
<character>\”B.A.\” Baracus</character>
<character>\”Howling Mad\” Murdock</character>
</characters>
</drama>
</dramas>
</root>

如果想把所有character标签的内容查找出来,可以这样处理:

@doc = Nokogiri::XML(File.open(\”shows.xml\”))
@doc.xpath(\”//character\”)

xpath和css方法,返回的是一个结点列表,类似于一个数组,它的内容就是从文件中查找出来的符合匹配规则的结点.

把dramas结点里的character结点列表查出来:

@doc.xpath(\”//dramas//character\”)

更有可读性的css方法:

characters = @doc.css(\”sitcoms name\”)
# => [\”<name>Married with Children</name>\”, \”<name>Perfect Strangers</name>\”]

当已知查询结果唯一时,如果想直接返回这个结果,而不是列表,可以直接使用at_xpath或at_css:

@doc.css(\”dramas name\”).first # => \”<name>The A-Team</name>\”
@doc.at_css(\”dramas name\”) # => \”<name>The A-Team</name>\”

三、Namespaces
对于有多个标签的情况,命名空间就起到非常大的作用了.
例如有这样一个parts.xml文件:

<parts>
<!– Alice\’s Auto Parts Store –>
<inventory xmlns=\”http://alicesautoparts.com/\”>
<tire>all weather</tire>
<tire>studded</tire>
<tire>extra wide</tire>
</inventory>

<!– Bob\’s Bike Shop –>
<inventory xmlns=\”http://bobsbikes.com/\”>
<tire>street</tire>
<tire>mountain</tire>
</inventory>
</parts>

可以使用唯一的URL作为namespaces,以区分不同的tires标签:

@doc = Nokogiri::XML(File.read(\”parts.xml\”))
car_tires = @doc.xpath(\’//car:tire\’, \’car\’ => \’http://alicesautoparts.com/\’)
bike_tires = @doc.xpath(\’//bike:tire\’, \’bike\’ => \’http://bobsbikes.com/\’)

为了让namespace的使用更方便,nokogiri会自动绑定在根结点上找到的合适的任何namespace.
nokogiri会自动关联提供的URL,这个惯例可以减少代码量.
例如有这样一个atom.xml文件:

<title>Example Feed</title>
<link href=\”http://example.org/\”/>
<updated>2003-12-13T18:30:02Z</updated>
<author>
<name>John Doe</name>
</author>
<id>urn:uuid:60a76c80-d399-11d9-b93C-0003939e0af6</id>

<entry>
<title>Atom-Powered Robots Run Amok</title>
<link href=\”http://example.org/2003/12/13/atom03\”/>
<id>urn:uuid:1225c695-cfb8-4ebb-aaaa-80da344efa6a</id>
<updated>2003-12-13T18:30:02Z</updated>
<summary>Some text.</summary>
</entry>
</feed>

遵循上面提到的惯例,xmlns已被自动绑定,不用再手动为xmlns赋值:

@doc.xpath(\’//xmlns:title\’)
# => [\”<title>Example Feed</title>\”, \”<title>Atom-Powered Robots Run Amok</title>\”]

同样情况,css的用法:

@doc.css(\’xmlns|title\’)

并且在使用css方式时,如果namespaces名字是xmlns,那么连这个词本身都可以忽略掉:

@doc.css(\’title\’)

您可能感兴趣的文章: