如何使多个头

Question

我有这样的XML字符串的一个列表：

xml = "<name>Married with Children</name> 
<person age="20">Al Bundy</person> 
<character age="20">Bud Bundy</character> 
<character age="19">Marcy Darcy</character> 
<person age="18">John Doe</person>" 

我明白，如果我用

xml.css("characters") 

的字符标记头它会产生一个列表，像

[<character age="20">Bud Bundy</character>, <character age="19">Marcy Darcy</character>] 

我只想摆脱名称标签，所以我想：

[<person age="20">Al Bundy</person>, 
<character age="20">Bud Bundy</character>, 
<character age="19">Marcy Darcy</character>, 
<person age="18">John Doe</person>] 

有没有办法创建人名或字符标记的列表？

Answer 1

你的问题有多个问题，但我会尝试整理出来，以便你了解正在发生的事情以及将来如何写出更好的问题。

1. 你的XML样本格式不正确：

   xml = "<name>Married with Children</name> 
   <person age="20">Al Bundy</person> 
   <character age="20">Bud Bundy</character> 
   <character age="19">Marcy Darcy</character> 
   <person age="18">John Doe</person>" 
   
   -:3: syntax error, unexpected tINTEGER, expecting end-of-input 
   <person age="20">Al Bundy</person> 
   

   你得到这一点，因为你有外双引号和双引号包裹的参数。在询问问题时务必确保您的样本数据可用。它应该看起来像：

   xml = '<name>Married with Children</name> 
   <person age="20">Al Bundy</person> 
   <character age="20">Bud Bundy</character> 
   <character age="19">Marcy Darcy</character> 
   <person age="18">John Doe</person>' 
   

   或可能：

   xml = <<EOT 
   <name>Married with Children</name> 
   <person age="20">Al Bundy</person> 
   <character age="20">Bud Bundy</character> 
   <character age="19">Marcy Darcy</character> 
   <person age="18">John Doe</person> 
   EOT 
   

   此时红宝石将让你开始测试你的代码。

2. 您的示例XML没有根节点。

   require 'nokogiri' 
   
   xml = '<name>Married with Children</name> 
   <person age="20">Al Bundy</person> 
   <character age="20">Bud Bundy</character> 
   <character age="19">Marcy Darcy</character> 
   <person age="18">John Doe</person>' 
   
   doc = Nokogiri::XML(xml) 
   doc.to_xml # => "<?xml version=\"1.0\"?>\n<name>Married with Children</name>\n" 
   

   如果我使用doc.errors引入nokogiri会告诉它为什么只有一个节点：

   doc.errors # => [#<Nokogiri::XML::SyntaxError: Extra content at the end of the document>] 
   

   有固定两种方式XML有严格的定义，以便再次，它提供正确的数据是非常重要的此，添加一个包裹根节点，或者告诉引入nokogiri对待标记为文档的一个片段：

   doc = Nokogiri::XML('<root>' + xml + '</root>') 
   doc.to_xml # => "<?xml version=\"1.0\"?>\n<root><name>Married with Children</name>\n<person age=\"20\">Al Bundy</person>\n<character age=\"20\">Bud Bundy</character>\n<character age=\"19\">Marcy Darcy</character>\n<person age=\"18\">John Doe</person></root>\n" 
   

   或：

   doc = Nokogiri::XML::DocumentFragment.parse(xml) 
   doc.to_xml # => "<name>Married with Children</name>\n<person age=\"20\">Al Bundy</person>\n<character age=\"20\">Bud Bundy</character>\n<character age=\"19\">Marcy Darcy</character>\n<person age=\"18\">John Doe</person>" 
   

   注意解析后两个DOM之间的区别。第一个具有包含节点，第二个仅具有示例XML中的节点。

   既然DOM没有错误，那么您可以安全地开始分析和收集数据。如果你不能确保你的DOM被正确解析，你可以发现Nokogiri做了修复并修改了DOM以使它在语法上正确，导致了与你预期不同的结构。处理这些往往会让你疯狂。

3. 搜索时使用正确的标签名称。这是不言自明的，你会要么得到的结果或将获得零或空节点集（[]）：

   doc = Nokogiri::XML('<root>' + xml + '</root>') 
   data = doc.css('characters') # => [] 
   data.class # => Nokogiri::XML::NodeSet 
   data = doc.at_css('characters') # => nil 
   

   ，而我们想要的东西，如：

   data = doc.css('character') # => [#<Nokogiri::XML::Element:0x3fc8c4c4d598 name="character" attributes=[#<Nokogiri::XML::Attr:0x3fc8c4c4d4bc name="age" value="20">] children=[#<Nokogiri::XML::Text:0x3fc8c4c4c544 "Bud Bundy">]>, #<Nokogiri::XML::Element:0x3fc8c4c49d44 name="character" attributes=[#<Nokogiri::XML::Attr:0x3fc8c4c49ce0 name="age" value="19">] children=[#<Nokogiri::XML::Text:0x3fc8c4c49830 "Marcy Darcy">]>] 
   data = doc.at_css('character') # => #<Nokogiri::XML::Element:0x3fc8c4c4d598 name="character" attributes=[#<Nokogiri::XML::Attr:0x3fc8c4c4d4bc name="age" value="20">] children=[#<Nokogiri::XML::Text:0x3fc8c4c4c544 "Bud Bundy">]> 
   

   或使用通用方法：

   data = doc.search('character') # => [#<Nokogiri::XML::Element:0x3fe8fe0771d8 name="character" attributes=[#<Nokogiri::XML::Attr:0x3fe8fe076ff8 name="age" value="20">] children=[#<Nokogiri::XML::Text:0x3fe8fe07633c "Bud Bundy">]>, #<Nokogiri::XML::Element:0x3fe8fe07606c name="character" attributes=[#<Nokogiri::XML::Attr:0x3fe8fe073fd8 name="age" value="19">] children=[#<Nokogiri::XML::Text:0x3fe8fe073b50 "Marcy Darcy">]>] 
   data = doc.at('character') # => #<Nokogiri::XML::Element:0x3fe8fe0771d8 name="character" attributes=[#<Nokogiri::XML::Attr:0x3fe8fe076ff8 name="age" value="20">] children=[#<Nokogiri::XML::Text:0x3fe8fe07633c "Bud Bundy">]> 
   

   注意at及其at_css和at_xpath兄弟姐妹是相当于。

移动到一个方法来获得数据，你想：你可以使用CSS的,运营商，查找多个不同的节点：

data = doc.search('character, person') # => [#<Nokogiri::XML::Element:0x3fd7de018c7c name="person" attributes=[#<Nokogiri::XML::Attr:0x3fd7de018b8c name="age" value="20">] children=[#<Nokogiri::XML::Text:0x3fd7de015b80 "Al Bundy">]>, #<Nokogiri::XML::Element:0x3fd7de014fb4 name="character" attributes=[#<Nokogiri::XML::Attr:0x3fd7de014dd4 name="age" value="20">] children=[#<Nokogiri::XML::Text:0x3fd7de014550 "Bud Bundy">]>, #<Nokogiri::XML::Element:0x3fd7de014294 name="character" attributes=[#<Nokogiri::XML::Attr:0x3fd7de01421c name="age" value="19">] children=[#<Nokogiri::XML::Text:0x3fd7de011d00 "Marcy Darcy">]>, #<Nokogiri::XML::Element:0x3fd7de011a94 name="person" attributes=[#<Nokogiri::XML::Attr:0x3fd7de011a30 name="age" value="18">] children=[#<Nokogiri::XML::Text:0x3fd7de0112d8 "John Doe">]>] 
data.map(&:to_xml) # => ["<person age=\"20\">Al Bundy</person>", "<character age=\"20\">Bud Bundy</character>", "<character age=\"19\">Marcy Darcy</character>", "<person age=\"18\">John Doe</person>"] 

这样的作品，但是你没有总量控制的顺序你会得到结果节点，而不是他们在文件中出现的顺序。如果你想控制这个顺序，你可能会想要做两个单独的搜索，然后连接NodeSets。如何做到这一点，留给你弄清楚。

要解析XML或HTML，理解CSS和/或XPath选择器很重要。我建议专注于CSS选择器，因为它们通常更具可读性。另外，Nokogiri实现了许多jQuery的CSS扩展，以方便使用，从而增加了简单性。 XPath功能强大得多，但价格很高，视觉噪声很大。但是，您仍然需要熟悉它，以便在必要时从工具箱中取出该工具。

您可以使用简单的选择器，然后在Nokogiri中折叠/旋转/切割结果，但使用libXML的强大功能需要通过选择器给它提供信息，因此学习如何有效和正确地使用它们非常重要。制作Nokogiri或libXML之间的速度差异会让你很快相信这一点。