Question

我有像http://www.heureka.cz/direct/xml-export/shops/heureka-sekce.xml这样的XML文件。我无法改变它，因为它不是我的。它只是从另一个网站解析。

这是XML（带结构）：

<HEUREKA>
  <CATEGORY>
    <CATEGORY_ID>971</CATEGORY_ID>
    <CATEGORY_NAME>Auto-moto</CATEGORY_NAME>
    <CATEGORY>
      <CATEGORY_ID>881</CATEGORY_ID>
      <CATEGORY_NAME>Alkohol testery</CATEGORY_NAME>
      <CATEGORY_FULLNAME>Heureka.cz | Auto-moto | Alkohol testery</CATEGORY_FULLNAME>
    </CATEGORY>
  </CATEGORY>
</HEUREKA>

感谢所有评论，这是最终的代码

def heureka
require 'open-uri'
require 'nokogiri'
doc = Nokogiri::XML(open("http://www.heureka.cz/direct/xml-export/shops/heureka-sekce.xml"))

doc.xpath("//CATEGORY[CATEGORY_FULLNAME]").each do |node|
record = Heureka.where("name" => node.css('CATEGORY_NAME').inner_text).first_or_initialize
record.fullname=node.xpath('CATEGORY_FULLNAME').inner_text
record.name=node.xpath('CATEGORY_NAME').inner_text                                                                                         
record.save unless record.fullname.blank?                                                                                                  
end                                                                                                                                        
end

Answer 1

在这个地方使用nokogiri似乎有点过分。你可以用普通红宝石做到这一点：

require 'net/http'
xml_content = Net::HTTP.get(URI.parse('http://www.heureka.cz/direct/xml-export/shops/heureka-sekce.xml'))
data = Hash.from_xml(xml_content)

然后您可以作为哈希对象访问数据。

Answer 2

如果我们缩进您的XML，您将看到问题：

<HEUREKA>
  <CATEGORY>
    <CATEGORY_ID>971</CATEGORY_ID>
    <CATEGORY_NAME>Auto-moto</CATEGORY_NAME>
    <CATEGORY>
      <CATEGORY_ID>881</CATEGORY_ID>
      <CATEGORY_NAME>Alkohol testery</CATEGORY_NAME>
      <CATEGORY_FULLNAME>Heureka.cz | Auto-moto | Alkohol testery</CATEGORY_FULLNAME>
    </CATEGORY>
  </CATEGORY>
</HEUREKA>

第二个类别节点是里面第一个类别节点，所以它也是它的子节点。因为children.css('CATEGORY_NAME').inner_text将返回第一个节点连接的两个名称（Auto-motoAlkohol testery），最后一个将具有预期的数据 - （Alkohol testery）。

修复您的XML：

<HEUREKA>
  <CATEGORY>
    <CATEGORY_ID>971</CATEGORY_ID>
    <CATEGORY_NAME>Auto-moto</CATEGORY_NAME>
  </CATEGORY>
  <CATEGORY>
    <CATEGORY_ID>881</CATEGORY_ID>
    <CATEGORY_NAME>Alkohol testery</CATEGORY_NAME>
    <CATEGORY_FULLNAME>Heureka.cz | Auto-moto | Alkohol testery</CATEGORY_FULLNAME>
  </CATEGORY>
</HEUREKA>

再试一次......

<强>更新

如果您无法更改XML，则可以使用XPATH代替CSS，因为其默认行为是找到直接子项，而不是所有的孩子（深儿）：

def heurekacat
  require 'open-uri'
  require 'nokogiri'
  doc = Nokogiri::XML(open("http://www.heureka.cz/direct/xml-export/shops/heureka-sekce.xml"))
  doc.css("CATEGORY").each do |node|
    record = HeurekaCat.where("name" => children.xpath('CATEGORY_NAME').inner_text).first_or_initialize
    record.category=node.xpath('CATEGORY_FULLNAME').inner_text
    record.name=node.xpath('CATEGORY_NAME').inner_text
    record.save
  end
end

Answer 3

只需更改一行：

doc.css("CATEGORY").each do |node|

以下内容：

doc.css("CATEGORY:has(CATEGORY_FULLNAME)").each do |node|

这仅选择包含CATEGORY子元素的CATEGORY_FULLNAME个元素。

作为替代方案，等效的XPath：

doc.xpath("//CATEGORY[CATEGORY_FULLNAME]").each do |node|

Rails 4将XML解析为表

3 个答案: