Ruby - 读取和编辑 XML 文件

Question

我正在编写一个 Ruby (1.9.3) 脚本，它从文件夹中读取 XML 文件，然后在必要时对其进行编辑。

我的问题是我收到了由Tidy 转换的 XML 文件，但它的输出有点奇怪，例如：

<?xml version="1.0" encoding="utf-8"?>
<XML>
  <item>
      <ID>000001</ID>
      <YEAR>2013</YEAR>
      <SUPPLIER>Supplier name test,
      Coproration</SUPPLIER>
...

如您所见，拥有和额外的 CRLF。我不知道为什么它有这种行为，但我正在用 ruby​​ 脚本解决它。但是我遇到了麻烦，因为我需要查看该行的最后一个字符是“>”还是第一个字符是“”，以便我可以查看是否存在标记有问题。

我试过了：

Dir.glob("C:/testing/corrected/*.xml").each do |file|

puts file

  File.open(file, 'r+').each_with_index do |line, index|

    first_char = line[0,1]

    if first_char != "<"
        //copy this line to the previous line and delete this one?
    end

  end

end

我也觉得我应该将原始文件内容复制到另一个临时文件然后覆盖。这是最好的“方式”吗？欢迎任何提示，因为我在更改文件内容方面没有太多经验。

问候

Answer 1

额外的\n 是否总是出现在<SUPPLIER> 节点中？正如其他人所建议的那样，Nokogiri 是解析 XML（或 HTML）的绝佳选择。您可以遍历每个 <SUPPLIER> 节点并删除 \n 字符，然后将 XML 保存为新文件。

require 'nokogiri'

# read and parse the old file
file = File.read("old.xml")
xml = Nokogiri::XML(file)

# replace \n and any additional whitespace with a space
xml.xpath("//SUPPLIER").each do |node|
  node.content = node.content.gsub(/\n\s+/, " ")
end

# save the output into a new file
File.open("new.xml", "w") do |f|
  f.write xml.to_xml
end