Sax解析與nokogiri奇怪的元素

Question

我想在nokogiri薩克斯解析，但是當談到解析xml元素，有一個長期和瘋狂的xml元素名稱或屬性上...然後everthing變得瘋狂。

如果我喜歡解析這個xml文件並獲取所有標題元素，那麼我會如何使用nokogiri-sax來做到這一點。

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

Answer 1

在你的例子中，title是元素的名稱。 xml:lang="sv"是一個屬性。 這個解析器假設沒有嵌套的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> 

的內部元素這將打印

sv 
"Arkivvetenskap" 
en 
"Archival science" 

SAX解析通常是太複雜。正因爲如此，我推薦Nokogiri的標準內存解析器，或者如果你真的需要的速度和內存效率，Nokogiri's Reader parser。

爲了便於比較，這裏是一個標準的引入nokogiri解析器同一文檔

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> 

這裏是同一文檔

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>