Ruby中使用Nokogiri包来操作XML格式数据的教程

安装

对于Ubuntu,需要安装好 libxml2, libxslt 这两个组件:

$ apt-get install libxml2 libxslt

然后就可以:

$ gem install nokogiri

可选项
nokogiri提供了一些解析文件时的可选项,常用的有:

  • NOBLANKS : 删除空节点
  • NOENT : 替代实体
  • NOERROR : 隐藏错误报告
  • STRICT : 精确解析,当解析到文件异常时抛出错误
  • NONET : 在解析期间禁止任何网络连接.

可选项使用方式举例(通过块调用):

doc = Nokogiri::XML(File.open("blossom.xml")) do |config|
config.strict.nonet
end

或者

doc = Nokogiri::XML(File.open("blossom.xml")) do |config|
config.options = Nokogiri::XML::ParseOptions::STRICT | Nokogiri::XML::ParseOptions::NONET
end

解析

可以从文件,字符串,URL等来解析。靠的是这两个方法 Nokogiri::HTML, Nokogiri::XML:

读取字符串:

html_doc = Nokogiri::HTML("<html><body><h1>Mr. Belvedere Fan Club</h1></body></html>")
xml_doc = Nokogiri::XML("<root><aliens><alien><name>Alf</name></alien></aliens></root>")

读取文件:

f = File.open("blossom.xml")
doc = Nokogiri::XML(f)
f.close

读取URL:

require 'open-uri'
doc = Nokogiri::HTML(open("http://www.threescompany.com/"))

寻找节点

可以使用XPATH 以及 CSS selector 来搜索: 例如,给定一个XML:

<books>
 <book>
 <title>Stars</title>
 </book>
 <book>
 <title>Moon</title>
 </book>
</books>

xpath:

@doc.xpath("//title")

css:

@doc.css("book title")

修改节点内容

title = @doc.css("book title").firsto
title.content = 'new title'
puts @doc.to_html

# =>
...
 <title>new title</title>
...

修改节点的结构

first_title = @doc.at_css('title')
second_book = @doc.css('book').last

# 可以把第一个title放到第二个book中
first_title.parent = second_book

# 也可以随意摆放。
second_book.add_next_sibling(first_title)

# 也可以修改对应的class
first_title.name = 'h2'
first_title['class']='red_color'
puts @doc.to_html
# => <h2 class='red_color'>...</h2>

# 也可以新建一个node
third_book = Nokogiri::XML::Node.new 'book', @doc
third_book.content = 'I am the third book'
second_book.add_next_sibling third_book
puts @doc.to_html
# =>
...
<books>
 ...
 <book>I am the third book</book>
</books>