Sax解析与nokogiri奇怪的元素

Question

我想在nokogiri萨克斯解析，但是当谈到解析xml元素，有一个长期和疯狂的xml元素名称或属性上...然后everthing变得疯狂。

如果我喜欢解析这个xml文件并获取所有标题元素，那么我会如何使用nokogiri-sax来做到这一点。

<titles> 
    <title xml:lang="sv">Arkivvetenskap</title> 
    <title xml:lang="en">Archival science</title> 
</titles> 

Answer 1

在你的例子中，title是元素的名称。 xml:lang="sv"是一个属性。 这个解析器假设没有嵌套的title元素

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> 

的内部元素这将打印

sv 
"Arkivvetenskap" 
en 
"Archival science" 

SAX解析通常是太复杂。正因为如此，我推荐Nokogiri的标准内存解析器，或者如果你真的需要的速度和内存效率，Nokogiri's Reader parser。

为了便于比较，这里是一个标准的引入nokogiri解析器同一文档

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> 

这里是同一文档

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>