Question

我对Nokogiri和Ruby很新，并寻求一些帮助。

我使用class MyDoc < Nokogiri::XML::SAX::Document解析一个非常大的XML文件。现在我想遍历一个街区的内部。

以下是我的XML文件的格式：

<Content id="83087">
    <Title></Title>
    <PublisherEntity id="1067">eBooksLib</PublisherEntity>
    <Publisher>eBooksLib</Publisher>
    ......
</Content>

我已经知道是否找到了“Content”标签，现在我想知道如何遍历它。这是我缩短的代码：

class MyDoc < Nokogiri::XML::SAX::Document
  #check the start element. set flag for each element
  def start_element name, attrs = []
    if(name == 'Content')
      #get the <Title>
      #get the <PublisherEntity>
      #get the Publisher
    end
  end


  def cdata_block(string)
    characters(string)
  end 

  def characters(str)
    puts str
  end
end

Answer 1

纯粹主义者可能不同意我，但我一直在做的方法是使用Nokogiri遍历大文件，然后使用XmlSimple处理文件中较小的对象。这是我的代码片段：

require 'nokogiri'
require 'xmlsimple'

def isend(node)
   return (node.node_type == Nokogiri::XML::Reader::TYPE_END_ELEMENT)
end

reader = Nokogiri::XML::Reader(File.open('database.xml', 'r'))

# traverse the file looking for tag "content"
reader.each do |node|
   next if node.name != 'content' || isend(node)
   # if we get here, then we found start of node 'content',
   # so read it into an array and work with the array:
   content = XmlSimple.xml_in(node.outer_xml())
   title = content['title'][0]
   # ...etc.
end

这对我很有用。有些人可能会反对在相同的代码中混合使用SAX和非SAX（nokogiri和XmlSimple），但就我的目的而言，它可以轻松完成工作。

Answer 2

使用SAX比较棘手。我认为解决方案需要看起来像这样：

class MyDoc < Nokogiri::XML::SAX::Document
  def start_element name, attrs = []
    @inside_content = true if name == 'Content'
    @current_element = name
  end

  def end_element name
    @inside_content = false if name == 'Content'
    @current_element = nil
  end

  def characters str
    puts "#{@current_element} - #{str}" if @inside_content && %w{Title PublisherEntity Publisher}.include?(@current_element)
  end
end

如何在Nokogiri中使用SAX遍历内部节点？

2 个答案: