Nokogiri拉解析器（Nokogiri :: XML :: Reader）问题与自关闭标记

我有一个巨大的XML（> 400MB）包含产品。因此排除使用DOM解析器，所以我尝试使用拉解析器解析和处理它。下面是each_product(&block)方法的一个片段，我遍历产品列表。Nokogiri拉解析器（Nokogiri :: XML :: Reader）问题与自关闭标记

基本上，使用堆栈，我将每个<product> ... </product>节点转换为散列并处理它。

while (reader.read) 
    case reader.node_type 
    #start element 
    when Nokogiri::XML::Node::ELEMENT_NODE 
     elem_name = reader.name.to_s 
     stack.push([elem_name, {}]) 

    #text element 
    when Nokogiri::XML::Node::TEXT_NODE, Nokogiri::XML::Node::CDATA_SECTION_NODE 
     stack.last[1] = reader.value 

    #end element 
    when Nokogiri::XML::Node::ELEMENT_DECL 
     return if stack.empty? 

     elem = stack.pop 
     parent = stack.last 
     if parent.nil? 
     yield(elem[1]) 
     elem = nil 
     next 
     end 

     key = elem[0] 
     parent_childs = parent[1] 
    # ... 
     parent_childs[key] = elem[1] 
    end

的问题是自我结束标记（EG <country/>），因为我不能让之间的“正常”和“自闭”标记的差异。他们都是Nokogiri::XML::Node::ELEMENT_NODE类型，我无法在documentation中找到任何其他鉴别符。

有关如何解决此问题的任何想法？

来源

2010-05-05 Vlad Zloteanu

我发现这个功能要求：http://github.com/tenderlove/nokogiri/issues/#issue/262 – 2010-05-05 17:19:08

的唯一方法是检查内容是空的或不是。 – 2015-02-02 18:08:40

项目页面上有关于此问题的feature request（与相应的failing test）。

直到它被固定并推入目前的版本中，我们将与good'ol坚持

input_text.gsub! /<([^<>]+)\/>/, '<\1></\1>'

来源

2010-05-14 12:11:43

嘿弗拉德，还有我不是一个引入nokogiri专家，但我已经做了测试和锯self_closing？（）方法在确定自闭标签方面工作良好。试一试。

P.S. ：我知道这是一个老帖子：P /文档是HERE

来源

2010-08-12 13:56:32 Gerasimos

Nokogiri拉解析器（Nokogiri :: XML :: Reader）问题与自关闭标记

回答

相关问题