Question

我通常使用Nokogiri作为我的XML解析器。

我有以下XML：

<albums>
    <aldo_nova album="aldo nova">
        <release_date value="19820401"/>
    </aldo_nova>
    <classix_nouveaux album="Night People"/>
        <release_date value="19820501"/>
    </classix_nouveaux>
    <engligh_beat album="I Just Can't Stop It"/>
        <release_date value="19800501"/>
    </engligh_beat>
</albums>

我想获得1980年1月1日至1982年4月15日期间发布的所有专辑：

<aldo_nova album="aldo nova">
    <release_date value="19820401"/>
</aldo_nova>
<engligh_beat album="I Just Can't Stop It"/>
    <release_date value="19800501"/>
</engligh_beat>

如何按release_date范围过滤/查询XML？

Answer 1

您的XML格式错误。在解析之后，这就是Nokogiri对它的评价：

doc.errors 
# => [#<Nokogiri::XML::SyntaxError: Opening and ending tag mismatch: albums line 1 and classix_nouveaux>,
#     #<Nokogiri::XML::SyntaxError: Extra content at the end of the document>]

那是因为：

<classix_nouveaux album="Night People"/>

和

<engligh_beat album="I Just Can't Stop It"/>

已终止。相反，它们应该是：

<classix_nouveaux album="Night People">

和

<engligh_beat album="I Just Can't Stop It">

您可以使用CSS或XPath选择器来查找完全匹配，甚至是子字符串匹配，但CSS或XPath都不了解＆＃34;范围＆＃34;日期，他们也不知道日期是什么，所以你必须提取所有节点，在这种情况下将日期值转换为Date对象或整数，然后比较范围：

date_range = 19800501..19820401
selected_albums = doc.search('//release_date').select { |rd| date_range.include?(rd['value'].to_i) }.map { |rd| rd.parent }

selected_albums.map(&:to_xml)
# => ["<aldo_nova album=\"aldo nova\">\n" +
#    "    <release_date value=\"19820401\"/>\n" +
#    "</aldo_nova>",
#     "<engligh_beat album=\"I Just Can't Stop It\">\n" +
#    "    <release_date value=\"19800501\"/>\n" +
#    "</engligh_beat>"]

我认为您的XML设计很差，因为您的专辑应该有不同的标签名称。 <album>应该是<albums>的孩子。我建议这样的事情：

<collection>
  <albums>
    <album band="aldo nova" title="aldo nova" release_date="19820401"/>
    <album band="classix nouveaux" title="Night People" release_date="19820501"/>
    <album band="english beat" title="I Just Can't Stop It" release_date="19800501"/>
  </albums>
</collection>

一旦XML采用标准形式，导航和搜索就会变得更容易：

require 'nokogiri'

doc = Nokogiri::XML(<<EOT)
<collection>
  <albums>
    <album band="aldo nova" title="aldo nova" release_date="19820401"/>
    <album band="classix nouveaux" title="Night People" release_date="19820501"/>
    <album band="english beat" title="I Just Can't Stop It" release_date="19800501"/>
  </albums>
</collection>
EOT

doc.search('album').last['title'] # => "I Just Can't Stop It"

band = 'aldo nova'
doc.search("//album[@band='#{band}']").map { |a| a['title'] } # => ["aldo nova"]

并且搜索日期变得更加直接，因为找不到节点的父节点是不必要的：

date_range = 19800501..19820401
selected_albums = doc.search('album').select { |a| date_range.include?(a['release_date'].to_i) }
selected_albums.map(&:to_xml)
# => ["<album band=\"aldo nova\" title=\"aldo nova\" release_date=\"19820401\"/>",
#     "<album band=\"english beat\" title=\"I Just Can't Stop It\" release_date=\"19800501\"/>"]

我建议您阅读一些关于XML本身的教程，因为如果数据没有逻辑和正确地表示，我们很容易将自己画成角落。

如何在Ruby中按日期范围过滤XML元素

1 个答案: