我想在 nokogiri 中进行 sax 解析,但是当涉及到解析具有长而疯狂的 xml 元素名称或属性的 xml 元素时......然后一切都变得疯狂。
如果我想解析这个 xml 文件并获取所有标题元素,我该如何使用 nokogiri-sax 来实现。
<titles>
<title xml:lang="sv">Arkivvetenskap</title>
<title xml:lang="en">Archival science</title>
</titles>
在您的示例中,title
是元素的名称。 xml:lang="sv"
是一个属性。此解析器假定没有元素嵌套在 title 元素中
require 'rubygems'
require 'nokogiri'
class MyDocument < Nokogiri::XML::SAX::Document
def start_element(name, attrs)
@attrs = attrs
@content = ''
end
def end_element(name)
if name == 'title'
puts Hash[@attrs]['xml:lang']
puts @content.inspect
@content = nil
end
end
def characters(string)
@content << string if @content
end
def cdata_block(string)
characters(string)
end
end
parser = Nokogiri::XML::SAX::Parser.new(MyDocument.new)
parser.parse(DATA)
__END__
<titles>
<title xml:lang="sv">Arkivvetenskap</title>
<title xml:lang="en">Archival science</title>
</titles>
这打印
sv
"Arkivvetenskap"
en
"Archival science"
SAX 解析通常过于复杂。因此,我推荐 Nokogiri 的标准内存解析器,或者如果您真的需要速度和内存效率,Nokogiri's Reader parser .
为了比较,这里有一个用于同一文档的标准 Nokogiri 解析器
require 'rubygems'
require 'nokogiri'
doc = Nokogiri::XML(DATA)
doc.css('title').each do |title|
puts title['lang']
puts title.text.to_s.inspect
end
__END__
<titles>
<title xml:lang="sv">Arkivvetenskap</title>
<title xml:lang="en">Archival science</title>
</titles>
这是同一文档的阅读器解析器
require 'rubygems'
require 'nokogiri'
reader = Nokogiri::XML::Reader(DATA)
while reader.read
if reader.name == 'title' && reader.node_type == Nokogiri::XML::Reader::TYPE_ELEMENT
puts reader.attribute('xml:lang')
puts reader.inner_xml.inspect # TODO xml decode this, if necessary.
end
end
__END__
<titles>
<title xml:lang="sv">Arkivvetenskap</title>
<title xml:lang="en">Archival science</title>
</titles>
我是一名优秀的程序员,十分优秀!