用Ruby解析XML

Question

用Ruby解析XML

60

我对处理XML完全不熟悉，但是突然需要处理一种我不熟悉的XML格式。标签中包含冒号。

<THING1:things type="Container">
  <PART1:Id type="Property">1234</PART1:Id>
  <PART1:Name type="Property">The Name</PART1:Name>
</THING1:things>

这是一个大文件，除了这里展示的内容外还有很多。希望有人对这种格式比较熟悉。有人知道如何处理这种类型的XML文档吗？

我不想采用一种蛮力解析文本的方式，但我似乎无法通过REXML或Hpricot取得任何进展，并且我怀疑这归咎于这些不寻常的标记。

我的Ruby代码：

    require 'hpricot'
    xml = File.open( "myfile.xml" )

    doc = Hpricot::XML( xml )

   (doc/:things).each do |thg|
     [ 'Id', 'Name' ].each do |el|
       puts "#{el}: #{thg.at(el).innerHTML}"
     end
   end

这段代码仅仅是从http://railstips.org/blog/archives/2006/12/09/parsing-xml-with-hpricot/中提取的。

我本来认为我可以从中找出一些有用的东西，但是这段代码没有返回任何内容。它没有产生错误，只是没有返回结果。

- n8gard

我理解第一行应该是 <THING1:things type="Container"> 而不是 THING1:thingstype="Container">，对吗？ - Benjamin Cox

你能展示一下你的 Hpricot 尝试吗？它可以处理命名空间，我们帮助你找出问题比起重新开始更容易且可能更有教育意义。 - Benjamin Cox

我现在真的没有太多尝试。只是试图模仿一个教程。我会编辑帖子以包含它。 - n8gard

4

记录一下，hpricot已经不再维护了。现在我们都使用nokogiri。 - pguardiario

THING1和PART1是XML命名空间，需要进行声明。请参考http://en.wikipedia.org/wiki/XML_namespace。 - Jonas Elfström

2个回答

50

如果在Rails环境中，Hash对象会被扩展，这样可以利用from_xml方法：

xml = File.open("myfile.xml")
data = Hash.from_xml(xml)

- IliasT

15

from_xml 不是 Hash 的原生方法，它是 Rails / ActiveSupport 的一部分。如果你在这个环境中，它可以正常工作。 - Trashpanda

1

这只在 Rails 环境中起作用，不能在纯 Ruby 中使用。 - Yakob Ubaidi

11

@YakobUbaidi 注意帖子的前五个单词。 - IliasT

YMMV。这并不总是将您所期望/需要成为哈希的子数据结构转换为哈希。它可能会将这些嵌套的子项转换为数组，这样您就会失去键。 - WillHaslett

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- jmdeldin · Accepted Answer

正如 @pguardiario 提到的，Nokogiri 是事实上的 XML 和 HTML 解析库。如果您想要打印出您的示例中的 Id 和 Name 值，以下是您应该这样做的方法：

require 'nokogiri'

xml_str = <<EOF
<THING1:things type="Container">
  <PART1:Id type="Property">1234</PART1:Id>
  <PART1:Name type="Property">The Name</PART1:Name>
</THING1:things>
EOF

doc = Nokogiri::XML(xml_str)

thing = doc.at_xpath('//things')
puts "ID   = " + thing.at_xpath('//Id').content
puts "Name = " + thing.at_xpath('//Name').content

一些注意事项：

at_xpath 用于匹配单个元素。如果你知道有多个元素，应该使用 xpath。
根据你的文档不同，命名空间可能会成为一个问题，调用 doc.remove_namespaces! 可以帮助解决（参见这个回答进行简要讨论）。
如果你更熟悉 css 方法，可以使用它们代替 xpath。
一定要在 irb 或者 pry 中尝试一下方法来调查。

资源

更新

要处理多个元素，你需要一个根元素，并且需要在 xpath 查询中去掉 //。

require 'nokogiri'

xml_str = <<EOF
<root>
  <THING1:things type="Container">
    <PART1:Id type="Property">1234</PART1:Id>
    <PART1:Name type="Property">The Name1</PART1:Name>
  </THING1:things>
  <THING2:things type="Container">
    <PART2:Id type="Property">2234</PART2:Id>
    <PART2:Name type="Property">The Name2</PART2:Name>
  </THING2:things>
</root>
EOF

doc = Nokogiri::XML(xml_str)
doc.xpath('//things').each do |thing|
  puts "ID   = " + thing.at_xpath('Id').content
  puts "Name = " + thing.at_xpath('Name').content
end

这将给你：

Id   = 1234
Name = The Name1

ID   = 2234
Name = The Name2

如果您更熟悉CSS选择器，您可以使用这段几乎相同的代码：

doc.css('things').each do |thing|
  puts "ID   = " + thing.at_css('Id').content
  puts "Name = " + thing.at_css('Name').content
end