如何节点集内进行搜索，并从同一节点集删除一个节点

我有以下XML：如何节点集内进行搜索，并从同一节点集删除一个节点

<?xml version="1.0" encoding="UTF-8" standalone="yes"?> 
    <w:document mc:Ignorable="w14 w15 wp14" xmlns:m="http://schemas.openxmlformats.org/officeDocument/2006/math" xmlns:mc="http://schemas.openxmlformats.org/markup-compatibility/2006" xmlns:mo="http://schemas.microsoft.com/office/mac/office/2008/main" xmlns:mv="urn:schemas-microsoft-com:mac:vml" xmlns:o="urn:schemas-microsoft-com:office:office" xmlns:r="http://schemas.openxmlformats.org/officeDocument/2006/relationships" xmlns:v="urn:schemas-microsoft-com:vml" xmlns:w="http://schemas.openxmlformats.org/wordprocessingml/2006/main" xmlns:w10="urn:schemas-microsoft-com:office:word" xmlns:w14="http://schemas.microsoft.com/office/word/2010/wordml" xmlns:w15="http://schemas.microsoft.com/office/word/2012/wordml" xmlns:wne="http://schemas.microsoft.com/office/word/2006/wordml" xmlns:wp="http://schemas.openxmlformats.org/drawingml/2006/wordprocessingDrawing" xmlns:wp14="http://schemas.microsoft.com/office/word/2010/wordprocessingDrawing" xmlns:wpc="http://schemas.microsoft.com/office/word/2010/wordprocessingCanvas" xmlns:wpg="http://schemas.microsoft.com/office/word/2010/wordprocessingGroup" xmlns:wpi="http://schemas.microsoft.com/office/word/2010/wordprocessingInk" xmlns:wps="http://schemas.microsoft.com/office/word/2010/wordprocessingShape"> 
     <w:body> 
      <w:p w14:paraId="56037BEC" w14:textId="1188FA30" w:rsidR="001665B3" w:rsidRDefault="008B4AC6"> 
       <w:r> 
        <w:t xml:space="preserve">This is the story of a man who </w:t> 
       </w:r> 
       <w:ins w:author="Mitchell Gould" w:date="2016-09-28T09:15:00Z" w:id="0"> 
        <w:r w:rsidR="003566BF"> 
         <w:t>went</w:t> 
        </w:r> 
       </w:ins> 
       <w:del w:author="Mitchell Gould" w:date="2016-09-28T09:15:00Z" w:id="1"> 
        <w:r w:rsidDel="003566BF"> 
         <w:delText>goes</w:delText> 
        </w:r> 
       </w:del> 
...

我用引入nokogiri解析XML如下：

zip = Zip::File.open("test.docx") 
doc = zip.find_entry("word/document.xml") 
file = Nokogiri::XML.parse(doc.get_input_stream)

我有一个德尔元素：一个包含所有W的“删除”节点集

@deletions = file.xpath("//w:del")

我这个节点集内搜索，看是否元素EXI sts如下：

my_node_set = @deletions.search("//w:del[@w:id='1']" && "//w:del/w:r[@w:rsidDel='003566BF']")

如果存在，我想从删除节点集中删除它。我这样做与以下内容：

deletions.delete(my_node_set.first)

这似乎工作，因为没有错误返回，它显示终端中删除的节点集。

然而，当我检查我的@deletions NODESET似乎该项目还有：

@deletions.search("//w:del[@w:id='1']" && "//w:del/w:r[@w:rsidDel='003566BF']")

我只是让我的周围引入nokogiri头，所以我显然不是搜索的元素妥善内我的@deletions节点集，而不是搜索整个文档。

如何搜索元素的@deletions节点集的内部，然后将其从节点集中删除？

来源

2016-09-30 chell

请阅读“[mcve]”。我们需要一个语法正确的XML示例，它是展示问题所需的最低限度的必需条件。我建议删除命名空间，因为它们与问题没有密切关系。 –

目前尚不清楚为什么你想有选择地从NodeSet中删除。 NodeSets就像指向文档中节点的指针数组。从数组中删除一个节点，实际上你所做的只是从树中删除特定的分支，换句话说，就是从文档中删除该标签。如果您正在收集一堆节点，那么只想删除一个节点，然后只搜索该节点并将其删除。不要浪费时间和内存来收集NodeSet。 –

考虑一下：

require 'nokogiri' 

doc = Nokogiri::HTML(<<EOT) 
<html> 
    <body> 
    <div id="foo"><p>foo</p></div> 
    <div id="bar"><p>bar</p></div> 
    </body> 
</html> 
EOT

divs包含div标签，这是一个节点集：

divs = doc.css('div') 
divs.class # => Nokogiri::XML::NodeSet

而且包含：

divs.to_html # => "<div id=\"foo\"><p>foo</p></div><div id=\"bar\"><p>bar</p></div>"

您可以在节点集使用at搜索找到第一个匹配项：

divs.at('#foo').to_html # => "<div id=\"foo\"><p>foo</p></div>"

而且你可以很容易地将其删除：

divs.at('#foo').remove

从文件本身删除它：

puts doc.to_html 

# >> <!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.0 Transitional//EN" "http://www.w3.org/TR/REC-html40/loose.dtd"> 
# >> <html> 
# >> <body> 
# >>  
# >>  <div id="bar"><p>bar</p></div> 
# >> </body> 
# >> </html>

它不从节点集删除它，但我们不关心它，NodeSet只是一个指向文档本身的节点的指针，用于给出要删除的内容列表。

如果你再删除某些节点后要更新的节点集，重新扫描文档和重建节点集：

divs = doc.css('div') 
divs.to_html # => "<div id=\"bar\"><p>bar</p></div>"

如果你的目标是消除在节点集的所有节点，而不是通过该列表搜索你可以简单地使用：

：

divs.remove 
puts doc.to_html 

# >> <!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.0 Transitional//EN" "http://www.w3.org/TR/REC-html40/loose.dtd"> 
# >> <html> 
# >> <body> 
# >>  
# >>  
# >> </body> 
# >> </html>

当我删除节点，我不收集中间节点集，而不是我使用类似做对飞

删除#bar中嵌入的<p>标记。通过放宽选择和at更改为search我可以删除它们成群：

doc.search('div p').remove 

puts doc.to_html 

# >> <!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.0 Transitional//EN" "http://www.w3.org/TR/REC-html40/loose.dtd"> 
# >> <html> 
# >> <body> 
# >>  <div id="foo"></div> 
# >>  <div id="bar"></div> 
# >> </body> 
# >> </html>

如果坚持通过节点集走，记住，他们就像数组，你可以这样对待他们。下面是使用reject跳过一个特定节点的例子：

doc = Nokogiri::HTML(<<EOT) 
<html> 
    <body> 
    <div id="foo"><p>foo</p></div> 
    <div id="bar"><p>bar</p></div> 
    </body> 
</html> 
EOT 

divs = doc.search('div').reject{ |d| d['id'] == 'foo' } 
divs.map(&:to_html) # => ["<div id=\"bar\"><p>bar</p></div>"]

您将不会收到一个节点集，虽然，你会得到一个数组：

divs.class # => Array

虽然你可以做到这一点，你”重新使用特定的选择器来减少集合，而不是依靠Ruby来访问select或reject元素。

来源

2016-09-30 17:22:25

对于这种解释和指导，我无法表达谢意。我错误地认为Nodeset就像一个单独的阵列，我可以删除项目而不影响文档。我现在有了更好的理解。 – chell

如何节点集内进行搜索，并从同一节点集删除一个节点

回答

相关问题