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
24
4
我想打开这个文件并获取所有以 us-gaap 开头的元素。
ftp://ftp.sec.gov/edgar/data/916789/0001558370-15-001143.txt
为了获取元素，我试过这样:
str = '<html><body><us-gaap:foo>foo</us-gaap:foo></body></html>'
doc = Nokogiri::XML(File.read(str))
doc.xpath('//us-gaap:*')
Nokogiri::XML::XPath::SyntaxError: Undefined namespace prefix: //us-gaap:*
from /Users/ironsand/.rbenv/versions/2.2.2/lib/ruby/gems/2.2.0/gems/nokogiri-1.6.7.2/lib/nokogiri/xml/searchable.rb:165:in `evaluate'
doc.namespaces 返回 {}，所以我想我必须添加命名空间 us-gaap。
有一些关于“使用 Nokogiri 添加 namespace ”的问题，但看起来像是关于如何创建一个新的 XML 文档，而不是如何将 namespace 添加到现有文档。
如何向现有文档添加命名空间？
我知道我可以通过 Nokogiri::XML::Document#remove_namespaces! 删除命名空间，但我不想使用它，因为它也删除了必要的信息。
最佳答案
你问了一个XY Problem .您认为问题是您需要添加缺少的 namespace ；真正的问题是您尝试解析的文件不是有效的 XML。
require 'nokogiri'
doc = Nokogiri.XML( IO.read('0001558370-15-001143.txt') )
doc.errors.length
#=> 5716
例如，<ACCEPTANCE-DATETIME>在第 3 行打开的“元素”永远不会关闭，在第 16 行的文本中有一个原始的符号:
STANDARD INDUSTRIAL CLASSIFICATION: ELECTRIC HOUSEWARES & FANS [3634]
应该作为一个实体进行转义。
但是，文档中 包含有效的 XML 片段!特别是，有一个 XML 文档定义了 xmlns:us-gaap命名空间，来自第 27243-49312 行。让我们只提取它，仅使用根元素定义我们想要的 namespace 的知识，以及文档中没有嵌套同名元素的假设，并且根元素没有未转义的 >任何属性中的字符。 (这些假设适用于此文件，但可能不适用于每个 XML 文件。)
txt = IO.read('0001558370-15-001143.txt')
gaap_finder = %r{(<(\w+) [^>]+xmlns:us-gaap=.+?</\2>)}m
txt.scan(gaap_finder) do |xml,_|
doc = Nokogiri.XML( xml )
gaaps = doc.xpath('//us-gaap:*')
p gaaps.length
#=> 569
end
上面的代码处理了 txt 文件中可能有多个 XML 文档的情况，尽管在本例中只有一个。
解码后，gaap_finder正则表达式是这样说的:
%r{...}m — 这是一个具有“多行模式”的正则表达式(允许在其中使用斜杠，未转义)，其中句点将匹配换行符(...) — 捕捉我们发现的一切< — 以文字“小于”符号开头(\w+) — 找到一个或多个单词字符(标签名称)，并保存<xsd:xbrl ...> 元素)[^>]+ — 后跟一个或多个不是“大于”符号的字符(以确保我们保持在我们开始的同一元素中)xmlns:us-gaap\s*= — 后跟此文字命名空间声明(可以用空格将其与等号分隔开).+? — 然后是任何东西(尽可能少)...</\2> — ...直到您看到一个与我们捕获的起始标签同名的结束标签因为方式scan当正则表达式具有捕获组时工作，每个结果都是一个双元素数组，其中第一个元素是整个捕获的 XML，第二个元素是我们捕获的标签的名称(我们通过将其分配给_ 变量)。
如果您想减少捕获的魔力，文本文件格式似乎总是将每个 XML 文档包装在 <XBRL>...</XBRL> 中。 .因此，您可以这样做来处理每个 XML 文件(共有七个，其中五个碰巧没有任何 us-gaap namespace ):
txt = IO.read('0001558370-15-001143.txt')
xbrls = %r{(?<=<XBRL>).+?(?=</XBRL>)}m # find text inside <XBRL>…</XBRL>
txt.scan(xbrls) do |xml|
doc = Nokogiri.XML( xml )
if doc.namespaces["xmlns:us-gaap"]
gaaps = doc.xpath('//us-gaap:*')
p gaaps.length
end
end
#=> 569
#=> 0 (for the XML Schema document that defines the namespace)
关于ruby - 如何将命名空间添加到现有的 xml 文件，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/36397437/
24
4
0
今天我在一个 Java 应用程序中看到了几种不同的加载文件的方法。 文件:/ 文件:// 文件:/// 这三个 URL 开头有什么区别？使用它们的首选方式是什么？ 非常感谢 斯特凡 最佳答案 file
就目前而言，这个问题不适合我们的问答形式。我们希望答案得到事实、引用或专业知识的支持，但这个问题可能会引起辩论、争论、投票或扩展讨论。如果您觉得这个问题可以改进并可能重新打开，visit the he
我有一个 javascript 文件，并且在该方法中有一个“测试”方法，我喜欢调用 C# 函数。 c# 函数与 javascript 文件不在同一文件中。 它位于 .cs 文件中。那么我该如何管理 j
需要检查我使用的文件/目录的权限 //filePath = path of file/directory access denied by user ( in windows ) File fil
我在一个目录中有很多 java 文件，我想在我的 Intellij 项目中使用它。但是我不想每次开始一个新项目时都将 java 文件复制到我的项目中。 我知道我可以在 Visual Studio 和
已关闭。此问题不符合Stack Overflow guidelines 。目前不接受答案。 这个问题似乎不是关于 a specific programming problem, a software
我有 3 个组件的 Twig 文件: 文件 1: {# content-here #} 文件 2: {{ title-here }} {# content-here #}
我得到了 mod_ldap.c 和 mod_authnz_ldap.c 文件。我需要使用 Linux 命令的 mod_ldap.so 和 mod_authnz_ldap.so 文件。 最佳答案 从 c
我想使用PIE在我的项目中使用 IE7。 但是我不明白的是，我只能在网络服务器上使用 .htc 文件吗？ 我可以在没有网络服务器的情况下通过浏览器加载的本地页面中使用它吗？ 我在 PIE 的文档中看到
我在 CI 管道中考虑这一点，我应该首先构建和测试我的应用程序，结果应该是一个 docker 镜像。 我想知道使用构建环境在构建服务器上构建然后运行测试是否更常见。也许为此使用构建脚本。最后只需将 j
using namespace std; struct WebSites { string siteName; int rank; string getSiteName() {
我是 Linux 新手，目前正在尝试使用 ginkgo USB-CAN 接口(interface) 的 API 编程功能。为了使用 C++ 对 API 进行编程，他们提供了库文件，其中包含三个带有 .
我刚学C语言，在实现一个程序时遇到了问题将 test.txt 文件作为程序的输入。 test.txt 文件的内容是: 1 30 30 40 50 60 2 40 30 50 60 60 3 30 20
如何连接两个tcpdump文件，使一个流量在文件中出现一个接一个？具体来说，我想“乘以”一个 tcpdump 文件，这样所有的 session 将一个接一个地按顺序重复几次。 最佳答案 mergeca
我有一个名为 input.MP4 的文件，它已损坏。它来自闭路电视摄像机。我什么都试过了，ffmpeg , VLC 转换，没有运气。但是，我使用了 mediainfo和 exiftool并提取以下信息
我想做什么？ 我想提取 ISO 文件并编辑其中的文件，然后将其重新打包回 ISO 文件。 (正如你已经读过的) 我为什么要这样做？ 我想开始修改 PSP ISO，为此我必须使用游戏资源、 Assets
给定一个 gzip 文件 Z，如果我将其解压缩为 Z'，有什么办法可以重新压缩它以恢复完全相同的 gzip 文件 Z？在粗略阅读了 DEFLATE 格式后，我猜不会，因为任何给定的文件都可能在 DEF
我必须从数据库向我的邮件 ID 发送一封带有附件的邮件。 EXEC msdb.dbo.sp_send_dbmail @profile_name = 'Adventure Works Admin
我有一个大的 M4B 文件和一个 CUE 文件。我想将其拆分为多个 M4B 文件，或将其拆分为多个 MP3 文件(以前首选)。 我想在命令行中执行此操作(OS X，但如果需要可以使用 Linux)，而
快速提问。我有一个没有实现文件的类的项目。 然后在 AppDelegate 我有: #import "AppDelegate.h" #import "SomeClass.h" @interface A
我是一名优秀的程序员,十分优秀！