Question

我有一个简单但巨大的xml文件，如下所示。我想使用SAX解析它，只打印title标记之间的文本。

<root>
    <site>some site</site>
    <title>good title</title>
</root>

我有以下代码：

require 'rubygems'
require 'nokogiri'
include Nokogiri

class PostCallbacks < XML::SAX::Document
  def start_element(element, attributes)
    if element == 'title'
      puts "found title"
    end
  end

  def characters(text)
    puts text
  end
end

parser = XML::SAX::Parser.new(PostCallbacks.new)
parser.parse_file("myfile.xml")

问题是它在所有标签之间打印文本。如何在title代码？

之间打印文字

Answer 1

您只需要跟踪<title>内的时间，以便characters知道何时应该注意。这样的事情（未经测试的代码）或许：

class PostCallbacks < XML::SAX::Document
  def initialize
    @in_title = false
  end

  def start_element(element, attributes)
    if element == 'title'
      puts "found title"
      @in_title = true
    end
  end

  def end_element(element)
    # Doesn't really matter what element we're closing unless there is nesting,
    # then you'd want "@in_title = false if element == 'title'"
    @in_title = false
  end

  def characters(text)
    puts text if @in_title
  end
end

Answer 2

上面接受的答案是正确的，但它有一个缺点，即即使它在开头找到<title>，它也会遍历整个XML文件。

我确实有类似的需求，最后我写了一个saxy红宝石宝石，目的是在这种情况下有效。在引擎盖下，它实现了Nokogiri的SAX Api。

以下是您使用它的方式：

require 'saxy'
title = Saxy.parse(path_to_your_file, 'title').first

当它第一次出现<title>标记时会停止。

如何在nokogiri中使用SAX解析XML时搜索XML

2 个答案: