Помогите разобрать libxml-ruby - PullRequest
Новая
       32

Помогите разобрать libxml-ruby

1 голос
/ 23 августа 2009

Хорошо, переключаясь с рабочего Hpricot на Libxml-ruby из-за скорости и исчезновения _why, секунду смотрел на Nokogiri, но решил взглянуть на Libxml-ruby на предмет скорости и долголетия. Я, должно быть, упускаю что-то простое, но то, что я пытаюсь сделать, не работает, вот моя строка XML: 

<?xml version="1.0" encoding="utf-8" ?>
<feed>
  <title type="xhtml"></title>
  <entry xmlns="http://www.w3.org/2005/Atom">
    <id>urn:publicid:xx.xxx:xxxxxx</id>
    <title>US--xxx-xxxxx</title>
    <updated>2009-08-19T15:49:51.103Z</updated>
    <published>2009-08-19T15:44:48Z</published>
    <author>
      <name>XX</name>
    </author>
    <rights>blehh</rights>
    <content type="text/xml">
      <nitf>
        <head>
          <docdata>
            <doc-id regsrc="XX" />
            <date.issue norm="20090819T154448Z" />
            <ed-msg info="Eds:" />
            <doc.rights owner="xx" agent="hxx" type="none" />
            <doc.copyright holder="xx" year="2009" />
          </docdata>
        </head>
        <body>
          <body.head>
            <hedline>
              <hl1 id="headline">headline</hl1>
              <hl2 id="originalHeadline">blah blah</hl2>
            </hedline>
            <byline>john doe<byttl>staffer</byttl></byline>
            <distributor>xyz</distributor>
            <dateline>
              <location>foo</location>
            </dateline>
          </body.head>
          <body.content>
            <block id="Main">
              story content here
            </block>
          </body.content>
          <body.end />
        </body>
      </nitf>
    </content>
  </entry>  
</feed>

из полной подачи около 150 таких записей.

Я просто хочу просмотреть 150 записей, а затем извлечь контент и атрибуты, но у меня чертовски много времени с libxml-ruby, если бы он работал нормально с Hpricot.

Этот небольшой фрагмент показывает, что я даже не получаю записи: 

parser = XML::Parser.string(file)
doc = parser.parse
entries = doc.find('//entry')
puts entries.size
entries.each do |node|
  puts node.inspect
end

Есть идеи? Я просмотрел документы и не смог найти простой вот XML-файл, а вот примеры получения x, y, z. Это должно быть довольно просто.

Ответы [ 2 ]

1 голос
/ 12 марта 2011

Nokogiri доказал, что обладает некоторой скоростью и долговечностью, поэтому вот несколько примеров того, как обращаться с пространствами имен в примере XML. Я использовал Nokogiri для большого агрегатора RDF / RSS / Atom, который ежедневно обрабатывал тысячи каналов, используя что-то похожее на это, чтобы захватить поля, которые я хотел, прежде чем помещать их в серверную базу данных. 

require 'nokogiri'

doc = Nokogiri::XML(file)
namespace = {'xmlns' => 'http://www.w3.org/2005/Atom'}

entries = []
doc.search('//xmlns:entry', namespace).each do |_entry|

  entry_hash = {}

  %w[title updated published author].each do |_attr|
    entry_hash[_attr.to_sym] = _entry.at('//xmlns:' << _attr, namespace).text.strip
  end

  entry_hash[:headlines] = _entry.search('xmlns|hedline > hl1, xmlns|hedline > hl2', namespace).map{ |n| n.text.strip }
  entry_hash[:body]      = _entry.at('//xmlns:body.content', namespace).text.strip
  entry_hash[:title]     = _entry.at('//xmlns:title', namespace).text

  entries << entry_hash
end

require 'pp'
pp entries 
# >> [{:title=>"US--xxx-xxxxx",
# >>   :updated=>"2009-08-19T15:49:51.103Z",
# >>   :published=>"2009-08-19T15:44:48Z",
# >>   :author=>"XX",
# >>   :headlines=>["headline", "blah blah"],
# >>   :body=>"story content here"}]

И CSS, и XPath в Nokogiri могут обрабатывать пространства имен. Nokogiri упростил бы их использование, захватив все пространства имен, определенные в корневом узле, но в этом примере XML пространство имен определено в узле ввода, что заставляет нас делать это вручную.

Я переключился на нотацию CSS для заголовков, просто чтобы показать, как их делать. Для удобства Nokogiri обычно разрешил бы пространство имен с подстановочными символами для CSS, если бы ему удалось найти объявление пространства имен, что упростило бы средство доступа до '|headline > hl1' для узла hl1.

0 голосов
/ 23 августа 2009

Я подозреваю, что у вас возникли проблемы из-за пропуска пространства имен в вашей находке. Если вы посмотрите документацию xpath для libxml-ruby , у них есть несколько довольно важных примеров. В частности, ваша находка, вероятно, должна выглядеть следующим образом:

...