个人中心
文章发布
退出
作者热门文章
- xml - AJAX/Jquery XML 解析
- 具有多重继承的 XML 模式
- .net - 枚举序列化 Json 与 XML
- XML 简单类型、简单内容、复杂类型、复杂内容
26
4
这是一些奇怪的例子:
#!/usr/bin/ruby
require 'rubygems'
require 'open-uri'
require 'nokogiri'
print "without read: ", Nokogiri(open('http://weblog.rubyonrails.org/')).class, "\n"
print "with read: ", Nokogiri(open('http://weblog.rubyonrails.org/').read).class, "\n"
运行此返回:
without read: Nokogiri::XML::Document
with read: Nokogiri::HTML::Document
没有 read 返回 XML，有它是 HTML？该网页被定义为“XHTML transitional”，所以一开始我认为 Nokogiri 一定是从流中读取 OpenURI 的“内容类型”，但返回的是 'text/html':
(rdb:1) doc = open(('http://weblog.rubyonrails.org/'))
(rdb:1) doc.content_type
"text/html"
这是服务器返回的内容。所以，现在我想弄清楚为什么 Nokogiri 返回两个不同的值。它似乎没有解析文本并使用试探法来确定内容是 HTML 还是 XML。
该页面指向的 ATOM 提要发生了同样的事情:
(rdb:1) doc = Nokogiri.parse(open('http://feeds.feedburner.com/RidingRails'))
(rdb:1) doc.class
Nokogiri::XML::Document
(rdb:1) doc = Nokogiri.parse(open('http://feeds.feedburner.com/RidingRails').read)
(rdb:1) doc.class
Nokogiri::HTML::Document
我需要能够在事先不知道它是什么的情况下解析页面，无论是 HTML 还是提要(RSS 或 ATOM)，并可靠地确定它是什么。我要求 Nokogiri 解析 HTML 或 XML 提要文件的主体，但我看到了那些不一致的结果。
我以为我可以编写一些测试来确定类型，但后来我遇到了 xpaths 找不到元素，但常规搜索有效:
(rdb:1) doc = Nokogiri.parse(open('http://feeds.feedburner.com/RidingRails'))
(rdb:1) doc.class
Nokogiri::XML::Document
(rdb:1) doc.xpath('/feed/entry').length
0
(rdb:1) doc.search('feed entry').length
15
我认为 xpaths 可以与 XML 一起使用，但结果看起来也不可信。
这些测试都是在我的 Ubuntu 机器上完成的，但我在我的 Macbook Pro 上看到了相同的行为。我很想知道我做错了什么，但我还没有看到一个解析和搜索的例子给我一致的结果。谁能告诉我错误的方法？
最佳答案
这与 Nokogiri 的方式有关 parse method作品。这是来源:
# File lib/nokogiri.rb, line 55
def parse string, url = nil, encoding = nil, options = nil
doc =
if string =~ /^\s*<[^Hh>]*html/i # Probably html
Nokogiri::HTML::Document.parse(string, url, encoding, options || XML::ParseOptions::DEFAULT_HTML)
else
Nokogiri::XML::Document.parse(string, url, encoding, options || XML::ParseOptions::DEFAULT_XML)
end
yield doc if block_given?
doc
end
关键是行 if string =~ /^\s*<[^Hh>]*html/i # Probably html .当你只使用 open ，它返回一个不适用于正则表达式的对象，因此它总是返回 false。另一方面，read返回一个字符串，因此它可以被视为 HTML。在本例中是，因为它匹配该正则表达式。这是该字符串的开头:
<!DOCTYPE html PUBLIC
正则表达式匹配“!DOCTYPE”到[^Hh>]*然后匹配“html”，因此假设它是 HTML。为什么有人选择这个正则表达式来确定文件是否是 HTML 超出了我的范围。使用此正则表达式，一个以 <definitely-not-html> 之类的标记开头的文件被认为是 HTML，但是 <this-is-still-not-html>被认为是 XML。你最好远离这个愚蠢的功能并调用 Nokogiri::HTML::Document#parse或 Nokogiri::XML::Document#parse直接。
关于ruby - 如何让 Nokogiri 解析并返回 XML 文档？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/1157138/
26
4
0
正如标题中所问，我有两个如下结构的 XML 文件 A.xml //here I want to include B.xml
我有一个 xml 文件。根据我的要求，我需要更新空标签，例如我需要更改 to .是否可以像那样更改标签.. 谢谢... 最佳答案 var xmlString=" "; var properStri
我有这样简单的 XML: Song Playing 09:41:18 Frederic Delius Violin Son
在我的工作中，我们有自己的 XML 类来构建 DOM，但我不确定应该如何处理连续的空格？ 例如 Hello World 当它被读入 DOM 时，文本节点应该包含 Hello 和 World
我有以下 2 个 xml 文件，我必须通过比较 wd:Task_Name_ID 和 TaskID 的 XML 文件 2。 例如，Main XML File-1 wd:Task_Name_ID 具有以下
我在 Rails 应用程序中有一个 XML View ，需要从另一个文件插入 XML 以进行测试。 我想说“构建器，只需盲目地填充这个字符串，因为它已经是 xml”，但我在文档中看不到这样做的任何内容
我正在重建一些 XML 提要，因此我正在研究何时使用元素以及何时使用带有 XML 的属性。 一些网站说“数据在元素中，元数据在属性中。” 那么，两者有什么区别呢？ 让我们以 W3Schools 为例:
在同一个文档中有两个 XML 声明是否是格式正确的 XML？ hello 我相信不是，但是我找不到支持我的消息来源。 来自 Extensible Markup Language
我需要在包装器 XML 文档中嵌入任意(语法上有效的)XML 文档。嵌入式文档被视为纯文本，在解析包装文档时不需要可解析。 我知道“CDATA trick”，但如果内部 XML 文档本身包含 CDAT
XML 解析器和 XML 处理器是两个不同的东西吗？他们是两个不同的工作吗？ 最佳答案 XML 解析器和 XML 处理器是一样的。它不适用于其他语言。 XML 是通用数据标记语言。解析 XML 文件已
我使用这个 perl 代码从一个文件中读取 XML，然后写入另一个文件(我的完整脚本有添加属性的代码): #!usr/bin/perl -w use strict; use XML::DOM; use
我正在编写一个我了解有限的历史脚本。 对象 A 的类型为 system.xml.xmlelement，我需要将其转换为类型 system.xml.xmldocument 以与对象 B 进行比较(类型
我有以下两个 XML 文件: 文件1 101 102 103 501 502 503
我有以下两个 XML 文件: 文件1 101 102 103 501 502 503
我有一个案例，其中一个 xml 作为输入，另一个 xml 作为输出:我可以选择使用 XSL 和通过 JAXB 进行 Unmarshalling 编码。性能方面，有什么真正的区别吗？ 最佳答案 首先，程
我有包含 XML 的 XML，我想使用 JAXB 解析它 qwqweqwezxcasdasd eee 解析器 public static NotificationRequest parse(Strin
xml: mario de2f15d014d40b93578d255e6221fd60 Mario F 23 maria maria
尝试更新 xml 文件数组时出现以下错误。 代码片段: File dir = new File("c:\\XML"); File[] files = dir.listFiles(new Filenam
我怎样才能完成这样的事情: PS /home/nicholas/powershell> PS /home/nicholas/powershell> $date=(Get-Date | ConvertT
我在从 xml 文件中删除节点时遇到一些困难。我发现很多其他人通过各种方式在 powershell 中执行此操作的示例，下面的代码似乎与我见过的许多其他示例相同，但我没有得到所需的行为。 我的目标是将
我是一名优秀的程序员,十分优秀！