使用“Reader”和 Nokogiri 解析 XML 文档返回 LibXML 错误答案

【问题标题】：Parsing XML document using 'Reader' and Nokogiri returns LibXML error使用“Reader”和 Nokogiri 解析 XML 文档返回 LibXML 错误
【发布时间】：2010-12-15 18:01:06
【问题描述】：

我是使用 Nokogiri 阅读器解析 XML 文件的新手。这是我要解析的 XML 文件和示例代码：

<?xml version='1.0' encoding='UTF-8'?>
<inventory>
  <tire name="super slick racing tire" />
  <tire name="all weather tire" />
</inventory>
-----------------------------------------------------------------
require 'rubygems'
require 'nokogiri'

io = File.open('test.xml', 'r')
reader = Nokogiri::XML::Reader(io)

reader.each do |node|

# node is an instance of Nokogiri::XML::Readerruby
puts node.name

end

以下是我得到的错误信息：

pcs$ ruby1.9 TestNok.rb
WARNING: Nokogiri was built against LibXML version 2.6.32, but has dynamically loaded 2.7.5
/usr/lib/ruby/1.9.0/nokogiri/xml/reader.rb:60:in `read': ParsePI: PI xm never end ...  (Nokogiri::XML::SyntaxError)
from /usr/lib/ruby/1.9.0/nokogiri/xml/reader.rb:60:in `each'
from TestNok.rb:7:in `<main>'
<dummy toplevel>: [BUG] Segmentation fault
ruby 1.9.0 (2008-10-04 revision 19669) [i486-linux]

-- control frame ----------
c:0001 p:0000 s:0002 b:0002 l:000001 d:000001 TOP    
---------------------------
-- backtrace of native function call (Use addr2line) --
0xb08316
0xa285e7
0xa2866a
0xab1144
0x9a0410
0xa5f315
0xa2b994
0xa2baae
0x80487e8
0x469b56
0x80486e1
-------------------------------------------------------
Aborted

任何帮助将不胜感激。

【问题讨论】：

@Philip，在将代码和堆栈跟踪粘贴到 SO 之前，将它们放入文本编辑器并将所有内容缩进 4 个空格，以便 SO 将其识别为要逐字显示的文本。否则，它会将 XML 标记和其他嵌入字符解释为格式。在您的情况下，大部分帖子因此被隐藏。
stackoverflow.com/q/5901400/128421 讨论了这个问题以及如何解决它。

标签： xml nokogiri html-parsing

【解决方案1】：

您粘贴的代码在我的机器上运行：

jablan@jablan-hp:~/dev$ ruby testxml.rb 
inventory
#text
tire
#text
tire
#text
inventory
jablan@jablan-hp:~/dev$ ruby -v
ruby 1.9.1p243 (2009-07-16 revision 24175) [i686-linux]
jablan@jablan-hp:~/dev$ gem list | grep nokogiri
nokogiri (1.4.0)

【讨论】：

【解决方案2】：

似乎是阅读器解析器重复数据。

inventory
tire
tire
inventory

一定是：

inventory
tire

【讨论】：

使用 NokoGiri（和其他流解析器），您可以获得两次标签，一次用于开始标签，另一次用于结束同一标签。在 Nokogiri::XML::Reader 中，您可以使用 node_type 来确定它是开始标记还是结束标记（或自结束标记）。