如何解析 XML 并将所有相同的命名节点值放入数组中

Question

我有 XML 我正在尝试解析并使用 Nokogiri 获取我的每个心跳测试的状态。

这是我的代码：

xml = 
<a:HBeat>
  <a:ElapsedTime>3 ms</a:ElapsedTime>
  <a:Name>Service 1</a:Name>
  <a:Status>true</a:Status>
</a:HBeat>
<a:HBeat>
  <a:ElapsedTime>4 ms</a:ElapsedTime>
  <a:Name>Service 2</a:Name>
  <a:Status>true</a:Status>
  </a:HBeat>
<a:HBeat>

我尝试使用css 和xpath 来检索每个状态的值并将其放入一个数组中：

doc = Nokogiri::XML.parse(xml)
#service_state = doc.css("a:HBeat, a:Status", 'a' => 'http://schemas.datacontract.org/2004/07/OpenAPI.Entity').map {|node| node.children.text}
service_state = doc.xpath("//*[@a:Status]", 'a' => 'http://schemas.datacontract.org/2004/07/OpenAPI.Entity').map(&:text)

两者都会返回service_state = []

我在另一个测试中使用了几乎相同的 XML，并且我使用了以下 sn-p 代码，它完全符合我的要求，但由于某种原因不能使用包含命名空间的 XML：

service_state = doc.css("HBeat Status").map(&:text)

Answer 1

除了 Greg 的响应（XML 需要包含元素）之外，您的 XPath 表达式选择了错误的东西：

 //*[@a:Status]

选择所有具有a:Status 属性的元素。如果您想要所有具有子 a:Status 元素的元素，只需从节点测试中删除 @：

 //*[a:Status]

Answer 2

部分问题在于您的 XML 示例不正确：尽管您正在使用名称空间，但您缺少名称空间声明，并且您缺少包含标签。第一个可以解决，但第二个需要对 XML 进行调整。

require 'nokogiri'
require 'pp'

xml = <<EOT
<xml xmlns:a="http://schemas.datacontract.org/2004/07/OpenAPI.Entity"> # <-- changed
  <a:HBeat>
    <a:ElapsedTime>3 ms</a:ElapsedTime>
    <a:Name>Service 1</a:Name>
    <a:Status>true</a:Status>
  </a:HBeat>
  <a:HBeat>
    <a:ElapsedTime>4 ms</a:ElapsedTime>
    <a:Name>Service 2</a:Name>
    <a:Status>true</a:Status>
    </a:HBeat>
  <a:HBeat>
</xml>
EOT

doc = Nokogiri::XML(xml)
service_state = doc.css('a|Status').map(&:text)      # <-- changed to show CSS with namespace
pp service_state

service_state = doc.search('//a:Status').map(&:text) # <-- added
pp service_state                                     # <-- added

>> ruby test.rb
>> ["true", "true"]
>> ["true", "true"]                                  # <-- added

命名空间是一件好事，但是当您只想获取数据时，处理它们可能会很痛苦。 Nokogiri 有一些技巧可以让它们不那么烦人，比如像我上面那样使用 CSS 访问器，这意味着“在所有命名空间中找到 Status 标记”，所以即使命名空间没有被声明它仍然是好的。

如果您可以控制 XML，那么您可以取消命名空间。它们在处理可能的标签冲突时很棒，但当您拥有生成文件的机制时，这不太可能，因此，如果是这种情况，您可能可以取消它们。如果你需要命名空间，那么它应该像这样声明：

<xml xmlns:a="http://schemas.datacontract.org/2004/07/OpenAPI.Entity">

没有它，XML 解析会出现很多命名空间错误：

(rdb:1) pp doc.errors
[#<Nokogiri::XML::SyntaxError: Namespace prefix a on HBeat is not defined>,
#<Nokogiri::XML::SyntaxError: Namespace prefix a on ElapsedTime is not defined>,
#<Nokogiri::XML::SyntaxError: Namespace prefix a on Name is not defined>,
#<Nokogiri::XML::SyntaxError: Namespace prefix a on Status is not defined>,
#<Nokogiri::XML::SyntaxError: Namespace prefix a on HBeat is not defined>,
#<Nokogiri::XML::SyntaxError: Namespace prefix a on ElapsedTime is not defined>,
#<Nokogiri::XML::SyntaxError: Namespace prefix a on Name is not defined>,
#<Nokogiri::XML::SyntaxError: Namespace prefix a on Status is not defined>,
#<Nokogiri::XML::SyntaxError: Namespace prefix a on HBeat is not defined>,
#<Nokogiri::XML::SyntaxError: Opening and ending tag mismatch: HBeat line 12 and xml>,
#<Nokogiri::XML::SyntaxError: Premature end of data in tag xml line 1>]

但添加后，文档的错误列表要小得多：

(rdb:1) pp doc.errors
[#<Nokogiri::XML::SyntaxError: Opening and ending tag mismatch: HBeat line 12 and xml>,
#<Nokogiri::XML::SyntaxError: Premature end of data in tag xml line 1>]

另见“How to avoid joining all text from Nodes when scraping”。