使用Ruby来处理文本的教程
与Perl和Python类似，Ruby拥有出色的功能，是一种强大的文本处理语言。本文简单介绍了Ruby的文本数据处理功能，以及如何使用Ruby语言有效处理不同格式的文本数据，无论是CSV数据还是XML数据。
Ruby字符串
常用缩略词
- CSV：逗号分隔值
- REXML：RubyElectricXML
- XML：可扩展标记语言
Ruby中的String是容纳、比较和操作文本数据的一种强大方法。在Ruby中，String是一个类，可以通过调用String::new或向它分配一个字面值将它实例化。
向Strings赋值时，可以使用单引号（'）或双引号（"）来包围值。单引号和双引号在为Strings赋值时有几个差别。双引号支持转义序列使用一个前置反斜杠（\）并支持在字符串中使用#{}操作符计算表达式。而单引号引用的字符串则是简单直接的文字。
清单1是一个示例。
清单1.处理Ruby字符串：定义字符串
message='HealtheWorld…'
putsmessage
message1="TakehomeRs#{100*3/2}"
putsmessage1
Output:
#./string1.rb
#HealtheWorld…
#TakehomeRs150
这里，第一个字符串使用一对单引号定义，第二个字符串使用一对双引号定义。在第二个字符串中，#{}中的表达式在显示前计算。
另一种有用的字符串定义方法通常用于多行字符串定义。
从现在开始，我将使用交互式Ruby控制台irb>>进行说明。您的Ruby安装也应该安装该控制台。如果没有安装，建议您获取irbRubygem并安装它。Ruby控制台是学习Ruby及其模块的一个非常有用的工具。安装之后，可以使用irb>>命令运行它。
清单2.处理Ruby字符串：定义多个字符串
irb>>str=>>EOF irb>>"helloworld irb>>"howdoyoufeel? irb>>"howru? irb>>EOF "hello,world\nhowdoyoufeel?\nhowru?\n" irb>>putsstr hello,world howdoyoufeel? howru?
在清单2中，>>EOF和EOF中的所有内容都视为字符串的一部分，包括\n（换行）字符。
RubyString类有一组强大的方法用于操作和处理存储在它们之中的数据。清单3、4和5中的示例展示了部分方法。
清单3.处理Ruby字符串：连接字符串
irb>>str="Theworldforahorse"#Stringinitializedwithavalue Theworldforahorse irb>>str*2#Multiplyingwithanintegerreturnsa #newstringcontainingthatmanytimes #oftheoldstring. TheworldforahorseTheworldforahorse irb>>str+"Whosaidit?"#Concatenationofstringsusingthe'+'operator TheworldforahorseWhosaidit? irb>>str<<"isit?"#Concatenationusingthe'<<'operator Theworldforahorseisit?
提取子字符串并操作字符串的多个部分
清单4.处理Ruby字符串：提取并操作
irb>>str[0]#The'[]'operatorcanbeusedtoextractsubstrings,just
#likeaccessingentriesinanarray.
#Theindexstartsfrom0.
84#Asingleindexreturnstheasciivalue
#ofthecharacteratthatposition
irb>>str[0,5]#arangecanbespecifiedasapair.Thefirstisthestarting
#index,secondisthelengthofthesubstringfromthe
#startingindex.
Thew
irb>>str[16,5]="Ferrari"#Thesame'[]'operatorcanbeused
#toreplacesubstringsinastring
#byusingtheassignmentlike'[]='
irb>>str
TheworldforaFerrari
Irb>>str[10..22]#Therangecanalsobespecifiedusing[x1..x2]
foraFerrari
irb>>str["Ferrari"]="horse"#Asubstringcanbespecifiedtobereplacedbyanew
#string.Rubystringsareintelligentenoughtoadjustthe
#sizeofthestringtomakeupforthereplacementstring.
irb>>s
Theworldforahorse
irb>>s.split#Split,splitsthestringbasedonthegivendelimiter
#defaultisawhitespace,returninganarrayofstrings.
["The","world","for","a","horse"]
irb>>s.each(''){|str|pstr.chomp('')}
#each,isawayofblockprocessingthe
#stringsplittingitonarecordseparator
#Here,Iusechomp()tocutoffthetrailingspace
"The"
"world"
"for"
"a"
"horse"
RubyString类还可以使用许多其他实用方法，这些方法可以更改大小写、获取字符串长度、删除记录分隔符、扫描字符串、加密、解密等。另一个有用的方法是freeze，该方法可以使字符串变得不可修改。对Stringstr调用该方法（str.freeze）之后，str将不能被修改。
Ruby还有一些称为“析构器（destructor）”的方法。以感叹号（!）结尾的方法将永久修改字符串。常规方法（结尾没有感叹号）修改并返回调用它们的字符串的副本。而带有感叹号的方法直接修改调用它们的字符串。
清单5.处理Ruby字符串：永久修改字符串
irb>>str="hello,world" hello,world irb>>str.upcase HELLO,WORLD irb>>str#str,remainsasis. Hello,world irb>>str.upcase!#here,strgetsmodifiedbythe'!'attheendof #upcase. HELLO,WORLD irb>>str HELLO,WORLD
在清单5中，str中的字符串由upcase!方法修改，但upcase方法只返回大小写修改后的字符串副本。这些!方法有时很有用。
RubyStrings的功能非常强大。数据被捕获进Strings中后，您就能够任意使用多种方法轻松有效地处理这些数据。
处理CSV文件
CSV文件是表示表格式的数据的一种很常见的方法，表格式通常用作从电子表格导出的数据（比如带有详细信息的联系人列表）的格式。
Ruby有一个强大的库，可以用于处理这些文件。csv是负责处理CSV文件的Ruby模块，它拥有创建、读取和解析CSV文件的方法。
清单6展示了如何创建一个CSV文件并使用Rubycsv模块来解析文件。
清单6.处理CSV文件：创建并解析一个CSV文件
require'csv'
writer=CSV.open('mycsvfile.csv','w')
begin
print"EnterContactName:"
name=STDIN.gets.chomp
print"EnterContactNo:"
num=STDIN.gets.chomp
s=name+""+num
row1=s.split
writer<<row1
print"Doyouwanttoaddmore?(y/n):"
ans=STDIN.gets.chomp
endwhileans!="n"
writer.close
file=File.new('mycsvfile.csv')
lines=file.readlines
parsed=CSV.parse(lines.to_s)
pparsed
puts""
puts"DetailsofContactsstoredareasfollows..."
puts""
puts"-------------------------------"
puts"ContactName|ContactNo"
puts"-------------------------------"
puts""
CSV.open('mycsvfile.csv','r')do|row|
putsrow[0]+"|"+row[1]
puts""
end
清单7显示了输出：
清单7.处理CSV文件：创建并解析一个CSV文件输出
EnterContactName:Santhosh EnterContactNo:989898 Doyouwanttoaddmore?(y/n):y EnterContactName:Sandy EnterContactNo:98988 Doyouwanttoaddmore?(y/n):n DetailsofContactsstoredareasfollows... --------------------------------- ContactName|ContactNo --------------------------------- Santhosh|989898 Sandy|98988
让我们快速检查一下这个示例。
首先，包含csv模块（require'csv'）。
要创建一个新的CSV文件mycsvfile.csv，使用CSV.open()调用打开它。这返回一个写入器（writer）对象。
这个示例创建了一个CSV文件，该文件包含一个简单的联系人列表，存储联系人姓名及其电话号码。在循环中，用户被要求输入联系人姓名和电话号码。姓名和电话号码被连接为一个字符串，然后分割为含两个字符串的数组。这个数组传递到写入器对象以便写入CSV文件。这样，一对CSV值就存储为文件中的一行。
循环结束后，任务也就完成了。现在关闭写入器，文件中的数据得以保存。
下一步是解析创建的CSV文件。
打开和解析该文件的一种方法是使用新的CSV文件名称创建一个新的File对象。
调用readlines方法将文件中的所有行读入一个名为lines的数组。
通过调用lines.to_s将lines数组转换为一个String对象，然后将这个String对象传递到CSV.parse方法，该方法解析CSV数据并将其内容返回为一个包含数组的数组。
下面介绍打开和解析该文件的另一种方法。以读取模式使用CSV.open调用再次打开文件。这返回一个行数组。使用某种格式打印每个行以显示联系人细节。这里的每个行对应文件中的行。
如您所见，Ruby提供一个强大的模块来处理CSV文件和数据。
处理XML文件
对于XML文件，Ruby提供一个名为REXML的强大的内置库。这个库可以用于读取和解析XML文档。
查看以下XML文件并试图用Ruby和REXML来解析它。
下面是一个简单的XML文件，列示一个在线购物中心的典型购物车中的内容。它拥有以下元素：
- cart——根元素
- user——购货用户
- item——用户添加到购物车中的商品项
- id,price和quantity——项目的子元素
清单8展示了这个XML的结构：
清单8.处理XML文件：示例XML文件
<cartid="userid"> <itemcode="item-id"> <price> <price/unit> </price> <qty> <number-of-units> </qty> </item> </cart>
从下载部分获取这个示例XML文件。现在，加载这个XML文件并使用REXML解析文件树。
清单9.处理XML文件：解析XML文件
require'rexml/document'
includeREXML
file=File.new('shoppingcart.xml')
doc=Document.new(file)
root=doc.root
puts""
puts"Hello,#{root.attributes['id']},Findbelowthebillgeneratedforyourpurchase..."
puts""
sumtotal=0
puts"-----------------------------------------------------------------------"
puts"Item\t\tQuantity\t\tPrice/unit\t\tTotal"
puts"-----------------------------------------------------------------------"
root.each_element('//item'){|item|
code=item.attributes['code']
qty=item.elements["qty"].text.split('')
price=item.elements["price"].text.split('')
total=item.elements["price"].text.to_i*item.elements["qty"].text.to_i
puts"#[code]\t\t#{qty}\t\t#{price}\t\t#{total}"
puts""
sumtotal+=total
}
puts"-----------------------------------------------------------------------"
puts"\t\t\t\t\t\tSumtotal:"+sumtotal.to_s
puts"-----------------------------------------------------------------------"
清单10显示输出。
清单10.处理XML文件：解析XML文件输出
Hello,santhosh,Findbelowthebillgeneratedforyourpurchase... ------------------------------------------------------------------------- ItemQuantityPrice/unitTotal ------------------------------------------------------------------------- CS0012100200 CS00252001000 CS00335001500 CS0045150750 ------------------------------------------------------------------------- Sumtotal:3450 --------------------------------------------------------------------------
清单9解析这个购物车XML文件并生成一个账单，该账单显示项目合计和采购总计（见清单10）。
下面我们具体介绍操作过程。
首先，包含Ruby的REXML模块，该模块拥有解析XML文件的方法。
打开shoppingcart.xml文件并从该文件创建一个Document对象，该对象包含解析后的XML文件。
将文档的根分配给元素对象root。这将指向XML文件中的cart标记。
每个元素对象拥有一个属性对象，该属性对象是元素属性的hash表，其中属性名称作为键名，属性值作为键值。这里，root.attributes['id']将提供root元素的id属性的值（本例中为userid）。
下面，将sumtotals初始化为0并打印标头。
每个元素对象还有一个对象elements，该对象拥有each和[]方法，以便访问子元素。这个对象遍历所有带有item名称（通过XPath表达式//item指定）的root元素的子元素。每个元素还有一个属性text，该属性容纳元素的文本值。
下一步，获取item元素的code属性以及price和qty元素的文本值，然后计算项目合计（Total）。将详细信息打印到账单并将项目合计添加到采购总计（Sumtotal）。
最后，打印采购总计。
这个示例展示了使用REXML和Ruby解析XML文件有多么简单！同样，在运行中生成XML文件，添加和删除元素及它们的属性也很简单。
清单11.处理XML文件：生成XML文件
doc=Document.new
doc.add_element("cart1",{"id"=>"user2"})
cart=doc.root.elements[1]
item=Element.new("item")
item.add_element("price")
item.elements["price"].text="100"
item.add_element("qty")
item.elements["qty"].text="4"
cart.elements<<item
清单11中的代码通过创建一个cart元素、一个item元素和它的子元素来创建XML结构，然后使用值填充这些子元素并将它们添加到Document根。
类似地，要删除元素和属性，使用Elements对象的delete_element和delete_attribute方法。
以上示例中的方法称为树解析（treeparsing）。另一种XML文档解析方法称为流解析（streamparsing）。“流解析”比“树解析”更快，可以用于要求快速解析的情况。“流解析”是基于事件的，它使用监听器。当解析流遇到一个标记时，它将调用监听器并执行处理。
清单12展示了一个示例：
清单12.处理XML文件：流解析
require'rexml/document'
require'rexml/streamlistener'
includeREXML
classListener
includeStreamListener
deftag_start(name,attributes)
puts"Start#{name}"
end
deftag_end(name)
puts"End#{name}"
end
end
listener=Listener.new
parser=Parsers::StreamParser.new(File.new("shoppingcart.xml"),listener)
parser.parse
清单13显示输出：
清单13.处理XML文件：流解析输出
Startcart Startitem Startprice Endprice Startqty Endqty Enditem Startitem Startprice Endprice Startqty Endqty Enditem Startitem Startprice Endprice Startqty Endqty Enditem Startitem Startprice Endprice Startqty Endqty Enditem Endcart
这样，REXML和Ruby联合起来为您提供一种非常有效和直观地处理和操作XML数据的强大方法。
结束语
Ruby拥有一组很好的内置库和外部库，支持快速、强大和有效的文本处理。您可以利用该功能简化和改进可能遇到的各种文本数据处理工作。本文只是Ruby的文本处理功能的简要介绍，您可以进一步深入了解该功能。
毋庸置疑，Ruby是您需要的一个强大工具。