2012-02-18 166 views
1

我想要获取根元素中的ID,LASTEDITED,EXPIRESS属性。我正在使用xpath,ruby和nokogiri。但它的工作,任何想法?根节点的xpath属性

XPATH querys:

doc.xpath('/educationProvider/@id').each do |id_node| 
    puts node.content 
    end 

    doc.xpath('/educationProvider/@lastEdited').each do |lastedited_node| 
    puts lastedited_node.content 
    end 

    doc.xpath('/educationProvider/@expires').each do |expires_node| 
    puts expires_node.content 
    end 

这是我的XML看起来像:

<?xml version="1.0" encoding="UTF-8"?> 
<p:educationProvider xmlns:p="http://skolverket.se/education/provider/1.0" xmlns="http://skolverket.se/education/commontypes/1.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" expires="2015-01-31" id="provider.uh.msb" lastEdited="2012-11-01T12:51:37" xsi:schemaLocation="http://skolverket.se/education/provider/1.0 educationProvider.xsd"> 
     <p:vCard> 
      <VERSION/> 
      <FN/> 
      <N/> 
      <ADR> 
       <LOCALITY>KARLSTAD</LOCALITY> 
       <PCODE>651 81</PCODE> 
      </ADR> 
      <TEL> 
       <NUMBER>0771-240240</NUMBER> 
      </TEL> 
      <EMAIL> 
       <USERID>[email protected]</USERID> 
      </EMAIL> 
      <ORG> 
       <ORGNAME>Myndigheten för samhällsskydd och beredskap</ORGNAME> 
      </ORG> 
      <URL>http://www.msbmyndigheten.se</URL> 
     </p:vCard> 
    </p:educationProvider> 

这里是我的RUBY脚本:

require 'rubygems' 
require 'nokogiri' 
require 'open-uri' 

# parse the HTML document with all the links to the XML files. 
doc = Nokogiri::HTML(open('http://testnavet.skolverket.se/SusaNavExport/EmilExporter?GetEvent&EMILVersion=1.1&NotExpired&EIAcademicType=UoH&SelectEP')) 
# URLS - array 
@urls = Array.new 
#Get all XML-urls and save them in urls-array 
doc.xpath('//a/@href').each do |links| 
    @urls << links.content 
end 

@id = Array.new 
@lastedited = Array.new 
@expires = Array.new 

# loop all the url of the XML files 
@urls.each do |url| 
    doc = Nokogiri::HTML(open(url)) 
    # grab the content I want 
    doc.xpath('/educationProvider/@id').each do |id_node| 
    id_node.content 
    end 

    doc.xpath('/educationProvider/@lastEdited').each do |lastedited_node| 
    @lastedited << lastedited_node.content 
    end 

    doc.xpath('/educationProvider/@expires').each do |expires_node| 
    @expires << expires_node.content 
    end 
end 

#print it out 
([email protected] - 1).each do |index| 
    puts "ID: #{@id[index]}" 
    puts "Lastedited: #{@lastedited[index]}" 
    puts "Expiress: #{@expires[index]}" 
end 
+0

看看这个答案:http://stackoverflow.com/questions/4690737/nokogiri-xpath-namespace-query – biscuit314 2012-02-18 17:20:51

回答

5

I wan to fetch the ID, LASTEDITED, EXPIRESS attributes in the root element.

只需使用

/*/@id 

这将选择XML文档顶部元素的id属性。

/*/@lastEdited 

这会选择XML文档顶部元素的lastEdited属性。

/*/@expires 

这将选择XML文档顶部元素的expires属性。

/*/@*[contains('|id|lastEdited|expires|', 
       concat('|', name(), '|') 
       ) 
    ] 

XSLT - 基于验证:

可选地,所有这三个属性可以与单个XPath表达式选择

<xsl:stylesheet version="1.0" 
xmlns:xsl="http://www.w3.org/1999/XSL/Transform"> 
<xsl:output omit-xml-declaration="yes" indent="yes"/> 

<xsl:template match="/"> 
    <xsl:for-each select= 
    "/*/@*[contains('|id|lastEdited|expires|', 
        concat('|', name(), '|') 
       ) 
     ]"> 
    <xsl:value-of select= 
    "concat('&#xA;', 
      name(), 
      ' = ', 
      . 
     )"/> 
    </xsl:for-each> 
</xsl:template> 
</xsl:stylesheet> 

当该XSLT变换被应用上提供的XML文档

<p:educationProvider xmlns:p="http://skolverket.se/education/provider/1.0" xmlns="http://skolverket.se/education/commontypes/1.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" expires="2015-01-31" id="provider.uh.msb" lastEdited="2012-11-01T12:51:37" xsi:schemaLocation="http://skolverket.se/education/provider/1.0 educationProvider.xsd"> 
    <p:vCard> 
     <VERSION/> 
     <FN/> 
     <N/> 
     <ADR> 
      <LOCALITY>KARLSTAD</LOCALITY> 
      <PCODE>651 81</PCODE> 
     </ADR> 
     <TEL> 
      <NUMBER>0771-240240</NUMBER> 
     </TEL> 
     <EMAIL> 
      <USERID>[email protected]</USERID> 
     </EMAIL> 
     <ORG> 
      <ORGNAME>Myndigheten för samhällsskydd och beredskap</ORGNAME> 
     </ORG> 
     <URL>http://www.msbmyndigheten.se</URL> 
    </p:vCard> 
</p:educationProvider> 

XPath表达式求值,并为每个选定的属性,它们的名称和值输出

expires = 2015-01-31 
id = provider.uh.msb 
lastEdited = 2012-11-01T12:51:37 
+0

伟大的答案,规范最后一个表达式。但我已经尝试过,它不会打印它..东西是可疑的.. – SHUMAcupcake 2012-02-18 18:24:47

+0

@SHUMAcupcake:Uff ...我更正了XPath表达式 - 现在试试。 – 2012-02-18 18:32:16

+0

我很抱歉,但是您在哪里更改了表达式,并且是否在某处放置了额外的文件 – SHUMAcupcake 2012-02-18 19:05:09

0

如果你只是想访问根结点的文档中,你可以这样做:

root = doc.root 
root_id = root['id'] 
last_edited = root['lastEdited'] 

如果您需要使用XPath查找它,则需要使用正确的名称空间。你的根节点有“P”的命名空间,所以你必须这样做:

doc.xpath('/p:educationProvider/@id').first.value 

会注意到在您的节点名称前面的p:

+0

我删除了p:因为我得到了一个语法错误:未定义的命名空间前缀。你有没有试过我的脚本?它是否适合你,如果可以为我提供帮助。这个脚本是一个更大的脚本..我会很高兴,因为这是杀了我。 – SHUMAcupcake 2012-02-19 17:20:48

+0

而且我需要循环它,因为我正在使用相同的XML结构捕获4000个其他XML文件。 – SHUMAcupcake 2012-02-19 17:22:52

相关问题