收集Nokogiri中节点的几个元素中的第一个

Question

我有一个非常简单的问题,我完全无法找到答案.我对Ruby和Nokogiri有非常基本的了解.

我的数据看起来像:

<release> 
 <artists>
  <artist>
   <name>Johnny Mnemonic</name>
  </artist>
  <artist>
    <name>Constantine</name>
  </artist>
 <artists>
</release>
<release>
 <artists>
  <artist>
   <name>Speed</name>
  </artist>
  <artist>
    <name>The Matrix</name>
  </artist>
 <artists>
 </release>
 . . .and so on.

对于每个版本,我只想要第一个标签中的数据.我尝试了以下代码,但它从艺术家那里获取:

page = Nokogiri::XML(open("37.xml"))

page.xpath("//artists[1]").each do |el|

File.open("#{LOCAL_DIR}/37.txt", 'a'){|f| f.write(el)}

任何有关正确方向的帮助或指示都将受到极大的赞赏.

Answer 1

Nokogiri支持两种主要类型的搜索,search以及at.search返回一个NodeSet,您应该将其视为一个数组.at返回一个节点.要么可以采用CSS或XPath表达式.我更喜欢CSS,因为它们更具可读性,但有时你不能轻易地获得你想要的地方,所以试试另一个.

对于您的问题,重要的是指定要从中提取文本的节点,使用text.如果结果太宽,除了标签内的文字外,您还会从标签之间获取文字.为了避免深入到您想要阅读的最直接的节点:

require 'nokogiri'

doc = Nokogiri::XML(<<EOT)
<release> 
<artists>
  <artist>
  <name>Johnny Mnemonic</name>
  </artist>
  <artist>
    <name>Constantine</name>
  </artist>
<artists>
<release>
EOT

因为这些name特定地查找节点,所以在没有垃圾的情况下很容易获得所需的文本:

doc.at('name').text                # => "Johnny Mnemonic"
doc.at('artist name').text         # => "Johnny Mnemonic"
doc.at('artists artist name').text # => "Johnny Mnemonic"

这些是更宽松的搜索,因此返回更多的垃圾:

doc.at('artist').text  # => "\n   Johnny Mnemonic\n  "
doc.at('artists').text # => "\n  \n   Johnny Mnemonic\n  \n  \n    Constantine\n  \n \n\n"

使用search返回多个节点:

doc.search('name').map(&:text)

[
    [0] "Johnny Mnemonic",
    [1] "Constantine"
]

doc.search('artist').map(&:text)

[
    [0] "\n   Johnny Mnemonic\n  ",
    [1] "\n    Constantine\n  "
]

之间唯一的区别search和at是at像search(...).first.

请参阅" 如何避免在刮取时加入节点中的所有文本 ".

为方便起见,Nokogiri有一些额外的别名:at_css和css,at_xpath和xpath.

以下是使用CSS和XPath访问器获取名称的替代方法,从Pry剪切:

[5] (pry) main: 0> # using CSS with Ruby
[6] (pry) main: 0> artists = doc.search('release').map{ |release| release.at('artist').text.strip }
[
    [0] "Johnny Mnemonic",
    [1] "Speed"
]
[7] (pry) main: 0> # using CSS with less Ruby
[8] (pry) main: 0> artists = doc.search('release artists artist:nth-child(1) name').map{ |n| n.text }
[
    [0] "Johnny Mnemonic",
    [1] "Speed"
]
[9] (pry) main: 0>
[10] (pry) main: 0> # using XPath
[11] (pry) main: 0> artists = doc.search('release/artists/artist[1]/name').map{ |t| t.content }
[
    [0] "Johnny Mnemonic",
    [1] "Speed"
]
[12] (pry) main: 0> # using more XPath
[13] (pry) main: 0> artists = doc.search('release/artists/artist[1]/name/text()').map{ |t| t.content }
[
    [0] "Johnny Mnemonic",
    [1] "Speed"
]