ruby - 使用 Ruby 将 SEC Edgar XML 文件解析为 Nokogiri

Question

我在解析 SEC Edgar files 时遇到问题

Here is an example of this file .

最终结果是我想要 <XML> 之间的东西和 </XML>转换成我可以访问的格式。

这是我目前无法运行的代码:

scud = open("http://sec.gov/Archives/edgar/data/1475481/0001475481-09-000001.txt")
full = scud.read
full.match(/<XML>(.*)<\/XML>/)

Answer 1

好吧，有两点不对:

1. sec.gov/Archives/edgar/data/1475481/0001475481-09-000001.txt 不是 XML，因此 Nokogiri 对您没有用，除非您从文件顶部去除所有垃圾，向下到真正的 XML 开始的地方，然后剪掉尾随的标签以保持 XML 正确。所以，你需要先解决这个问题。
2. 你没有说你想从文件中得到什么。没有这些信息，我们无法推荐真正的解决方案。您需要花更多时间更好地定义问题。

下面是一段快速代码，用于检索页面、去除垃圾并将生成的内容解析为 XML:

require 'nokogiri'
require 'open-uri'

doc = Nokogiri::XML(
  open('http://sec.gov/Archives/edgar/data/1475481/0001475481-09-000001.txt').read.gsub(/\A.+<xml>\n/im, '').gsub(/<\/xml>.+/mi, '')
)
puts doc.at('//schemaVersion').text
# >> X0603