ruby - 如何使用 nokogiri 打印所有非空白 XML 节点的值及其标签名称？

Question

这是我的 sample.xml:

<?xml version="1.0" encoding="utf-8"?>
<ShipmentRequest>
   <Message>
      <Header>
      <MemberId>MID-0000001</MemberId>    
      <MemberName>Bruce</MemberName>
      <DeliveryId>0000001</DeliveryId>
      <OrderNumber>ON-000000001</OrderNumber>
      <ShipToName>Alan</ShipToName>
      <ShipToZip>123-4567</ShipToZip>
      <ShipToStreet>West</ShipToStreet>
      <ShipToCity>Seatle</ShipToCity>
       <Payments>
        <PayType>Credit Card</PayType>
        <Amount>20</Amount>
      </Payments>
      <Payments>
        <PayType>Points</PayType>
        <Amount>22</Amount>
      </Payments>
      <PayType />
      </Header>
    <Line>
      <LineNumber>3.1</LineNumber>
      <ItemId>A-0000001</ItemId>
      <Description>Apple</Description>
      <Quantity>2</Quantity>
      <UnitCost>5</UnitCost>
    </Line>
    <Line>
      <LineNumber>4.1</LineNumber>
      <ItemId>P-0000001</ItemId>
      <Description>Peach</Description>
      <Quantity>4</Quantity>
      <UnitCost>6</UnitCost>
    </Line>
    <Line>
      <LineNumber>5.1</LineNumber>
      <ItemId>O-0000001</ItemId>
      <Description>Orange</Description>
      <Quantity>2</Quantity>
      <UnitCost>4</UnitCost>
    </Line>
  </Message>
</ShipmentRequest>

还有我的 sample.rb:

#!/usr/bin/ruby -w

require 'nokogiri'

doc = Nokogiri::XML(open("sample.xml"))
doc.xpath("//ShipmentRequest").each {
  |node| puts node.text
}

我得到的结果:

MID-0000001    
Bruce
0000001
ON-000000001
Alan
123-4567
West
Seatle

Credit Card
20


Points
22




3.1
A-0000001
Apple
2
5


4.1
P-0000001
Peach
4
6


5.1
O-0000001
Orange
2
4

我还想打印标签名称并跳过具有空白值的标签/节点:

MemberID: MID-0000001

MemberName: Bruce

DeliveryId: 0000001

OrderNumber: ON-000000001

ShipToName: Alan

ShipToZip: 123-4567

ShipToStreet: West

etc...

Answer 1

您基本上需要所有叶元素。您可以在一个 XPath 表达式中捕获所有这些:

leaves = doc.xpath('//*[not(*)]')

leaves.each do |node|
  puts "#{node.name}: #{node.text}" unless node.text.empty?
end

输出:

MemberId: MID-0000001
MemberName: Bruce
DeliveryId: 0000001
OrderNumber: ON-000000001
ShipToName: Alan
ShipToZip: 123-4567
ShipToStreet: West
ShipToCity: Seatle
PayType: Credit Card
Amount: 20
PayType: Points
Amount: 22
LineNumber: 3.1
ItemId: A-0000001
Description: Apple
Quantity: 2
UnitCost: 5
LineNumber: 4.1
ItemId: P-0000001
Description: Peach
Quantity: 4
UnitCost: 6
LineNumber: 5.1
ItemId: O-0000001
Description: Orange
Quantity: 2
UnitCost: 4

XPath的解释

XPath //*[not(*)] 找到所有叶元素。它是如何做到的？让我们分解一下:

• // 表示扫描整个文档。
• *表示任意元素，所以//*匹配文档中的所有元素。
• [] 中的部分称为谓词，它约束前面的表达式。我读它就像一个“那样”。它的范围是元素的子元素，例如 a[b] 表示所有 a 元素，这样它们就有一个 b 子元素。
• not() 只是一个 bool 否定，所以 not(*) 表示“没有元素”，因此在谓词中它表示“没有子元素”。

将它们放在一起，您拥有“文档中的所有元素，它们没有任何子元素”== 叶元素。

另一个版本

在评论中，@Phrogz 做了一个很好的补充，通过添加另一个谓词将检查元素是否为空的逻辑移动到 XPath 表达式。这有两个好处:

• 它会提高性能，因为它不会返回所有叶子然后检查它们。这在大型文档或有很多空白页的情况下可能会很明显。
• 它变成了一条线!

puts doc.xpath('//*[not(*)][text()]').map{ |n| "#{n.name}: #{n.text}"}

意思是“每个没有子元素但至少有一个子文本节点的元素。”