xml - 对于 2.4MB 的 XML 文件，您会推荐哪个 Ruby XML 库？

Question

关闭。这个问题不满足Stack Overflow guidelines .它目前不接受答案。












想改善这个问题吗？更新问题，使其成为 on-topic对于堆栈溢出。

2天前关闭。




Improve this question




我有一个 2.4 MB 的 XML 文件，它是从 Microsoft Project 导出的(嘿，我是这里的受害者!)，我被要求从中提取某些详细信息以进行重新演示。忽略请求的智能或其他方面，从 Ruby 的角度我应该首先尝试哪个库？

我知道以下内容(排名不分先后):

REXML

Chilkat Ruby XML library

hpricot XML

libXML

我更喜欢打包成 Ruby gem 的东西，我怀疑 Chilkat 库不是。

性能不是主要问题 - 我不希望这件事每天需要运行多次(每周一次更有可能)。我对任何与 XML 相关的东西都易于使用的东西更感兴趣。

编辑:我尝试了 gem 化的:

hpricot 是最简单的国家英里。例如，要提取此 XML 中 SaveVersion 标记的内容(保存在名为“test.xml”的文件中)

<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<Project xmlns="http://schemas.microsoft.com/project">
    <SaveVersion>12</SaveVersion>
</Project>

需要这样的东西:

doc = Hpricot.XML(open('test.xml'))
version = (doc/:Project/:SaveVersion).first.inner_html

hpricot 似乎对命名空间相对不关心，在这个例子中这很好:只有一个，但对于复杂的文档可能会出现问题。由于 hpricot 也很慢，我宁愿想象这将是一个可以自行解决的问题。

libxml-ruby 速度快了一个数量级，理解命名空间(我花了好几个小时才弄明白这一点)并且完全更接近 XML 金属——XPath 查询和所有其他东西都在那里。如果像我一样只在极端胁迫的情况下打开 XML 文档，这不一定是一件好事。 helper 模块在提供如何有效处理默认命名空间的示例方面非常有帮助。这大致是我最终得到的结果(我并没有以任何方式断言它的美感、正确性或其他值(value)，这就是我现在所处的位置):

xml_parser = XML::Parser.new
xml_parser.string = File.read(path)
doc = xml_parser.parse
@root = doc.root
@scopes = { :in_node => '', :in_root => '/', :in_doc => '//' }
@ns_prefix = 'p'
@ns = "#{@ns_prefix}:#{@root.namespace[0].href}"
version = @root.find_first(xpath_qry("Project/SaveVersion", :in_root), @ns).content.to_i

def xpath_qry(tags, scope = :in_node)
  "#{@scopes[scope]}" + tags.split(/\//).collect{ |tag| "#{@ns_prefix}:#{tag}"}.join('/')
end

我仍在争论利弊:libxml 的额外严谨性，hpricot 的 _why 代码的纯粹风格。

稍后再次编辑:我发现了 HappyMapper('gem install happymapper')，它非常有前途，即使仍处于早期阶段。它是声明性的并且大部分都有效，尽管我发现了一些我还没有修复的边缘情况。它可以让你做这样的事情，解析我的谷歌阅读器 OPML:

module OPML
  class Outline
    include HappyMapper
    tag 'outline'
    attribute :title, String
    attribute :text, String
    attribute :type, String
    attribute :xmlUrl, String
    attribute :htmlUrl, String
    has_many :outlines, Outline
  end
end

xml_string = File.read("google-reader-subscriptions.xml")

sections = OPML::Outline.parse(xml_string)

我已经爱上它了，尽管它还不完美。

Answer 1

Nokogiri 使用干净的 Rubyish API 包装了 libxml2 和 libxslt，该 API 支持命名空间、XPath 和 CSS3 查询。也快。
http://nokogiri.org/