Ruby的XML格式数据解析库Nokogiri的使用进阶

2024-03-19 22:50:03 115

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.BelvedereFanClub</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>MarriedwithChildren</name>
<characters>
<character>AlBundy</character>
<character>BudBundy</character>
<character>MarcyDarcy</character>
</characters>
</sitcom>
<sitcom>
<name>PerfectStrangers</name>
<characters>
<character>LarryAppleton</character>
<character>BalkiBartokomous</character>
</characters>
</sitcom>
</sitcoms>
<dramas>
<drama>
<name>TheA-Team</name>
<characters>
<character>John"Hannibal"Smith</character>
<character>Templeton"Face"Peck</character>
<character>"B.A."Baracus</character>
<character>"HowlingMad"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("sitcomsname")
#=>["<name>MarriedwithChildren</name>","<name>PerfectStrangers</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("dramasname").first#=>"<name>TheA-Team</name>"
@doc.at_css("dramasname")#=>"<name>TheA-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'sAutoPartsStore-->
<inventoryxmlns="http://alicesautoparts.com/">
<tire>allweather</tire>
<tire>studded</tire>
<tire>extrawide</tire>
</inventory>

<!--Bob'sBikeShop-->
<inventoryxmlns="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:

<feedxmlns="http://www.w3.org/2005/Atom">

<title>ExampleFeed</title>
<linkhref="http://example.org/"/>
<updated>2003-12-13T18:30:02Z</updated>
<author>
<name>JohnDoe</name>
</author>
<id>urn:uuid:60a76c80-d399-11d9-b93C-0003939e0af6</id>

<entry>
<title>Atom-PoweredRobotsRunAmok</title>
<linkhref="http://example.org/2003/12/13/atom03"/>
<id>urn:uuid:1225c695-cfb8-4ebb-aaaa-80da344efa6a</id>
<updated>2003-12-13T18:30:02Z</updated>
<summary>Sometext.</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>ExampleFeed</title>","<title>Atom-PoweredRobotsRunAmok</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')

Ruby的XML格式数据解析库Nokogiri的使用进阶

热门推荐

随机推荐