解析XML Ruby

什么是XML

XML是一种可扩展标记语言，它可以被用于描述数据。XML被广泛地应用于 Web 式应用程序。XML是纯文本文档，它可以被很多不同类型的计算机处理。

在 XML 语言中，元素被定义为被开始标签和结束标签所包围的一段数据。而每个元素都可以包含上百种不同类型的属性。

为什么使用 Ruby 解析 XML

在 Ruby 程序员中，XML 是一种非常常见的数据格式，因此，了解如何解析和处理 XML 是非常重要的。

Ruby 提供了许多解析 XML 的方式。除了 Ruby 标准库中自带的 REXML 和 XMLParser 外，RubyGems 还有许多其他解析 XML 的 Gem。

在本篇文章中，我们主要介绍 Ruby 标准库中自带的两种方式：

1. REXML
2. XMLParser

解析 XML 使用 REXML

REXML 是 Ruby 标准库中自带的解析 XML 的库。通过 REXML，我们可以创建一个 XML 文档对象，然后对该文档对象进行操作，比如查找元素、修改元素、删除元素等等。

REXML 中最常用的类是 Document、Element 和 Attribute。接下来我们将介绍这些类的用法和示例：

Document 类

Document 类是 REXML 中最核心的类，它表示一个 XML 文档。我们可以通过下面的代码创建一个 Document 对象：

require 'rexml/document'

xml = %{
  <root>
    <book>
      <title>Programming Ruby</title>
      <author>David Thomas, Andrew Hunt</author>
    </book>
    <book>
      <title>Practical Object-Oriented Design</title>
      <author>Sandi Metz</author>
    </book>
  </root>
}

doc = REXML::Document.new(xml)

上述代码中，我们首先使用 %{} 定义了一段 XML 文本，该 XML 文本包含两本书的信息。然后使用 REXML::Document.new 方法创建了一个 Document 对象。

Element 类

Element 类表示 XML 中的一个元素。我们可以通过 Document 对象找到该元素，对这个元素进行修改、删除等操作。

通过 REXML::XPath 语法，我们可以方便地查找 XML 中的元素。比如，下面的代码可以查找所有的 book 元素：

elements = REXML::XPath.match(doc, '//book')

上述代码中，我们使用 REXML::XPath.match 方法查找所有的 book 元素。

然后我们遍历 elements，对每个元素进行操作。比如，我们可以使用下面的代码打印每本书的标题和作者：

elements.each do |el|
  title = REXML::XPath.first(el, 'title').text
  author = REXML::XPath.first(el, 'author').text
  puts "#{title} by #{author}"
end

上述代码中，我们使用 REXML::XPath.first 方法找到 title 和 author 元素，并获取它们的文本值。

Attribute 类

Attribute 类表示 XML 元素的一个属性。我们可以通过 Element 对象获取该元素的属性并对其进行修改、删除等操作。

比如，下面的代码可以获取第一本书的 title 属性：

title = REXML::XPath.first(doc, '//book[1]/title').attributes['lang']

上述代码中，我们使用 REXML::XPath.first 方法找到第一本书的 title 元素，并获取它的 lang 属性值。

解析 XML 使用 XMLParser

XMLParser 是 Ruby 标准库中另一种解析 XML 的方式。相对于 REXML，XMLParser 更为轻量级，非常适合处理小型 XML 文件。

在 XMLParser 中，我们可以使用 XML::Parser.parse_string 方法解析 XML 文本，也可以使用 XML::Parser.parse_file 方法解析 XML 文件。

XML 中最常用的类是 XML::Document、XML::Node 和 XML::Attr。接下来我们将介绍这些类的用法和示例：

XML::Document 类

XML::Document 类表示一个 XML 文档。我们可以通过 XML::Document 对象查找、修改、删除元素。

require 'xml'

xml = %{
  <root>
    <book>
      <title lang="en">Programming Ruby</title>
      <author>David Thomas, Andrew Hunt</author>
    </book>
    <book>
      <title lang="en">Practical Object-Oriented Design</title>
      <author>Sandi Metz</author>
    </book>
  </root>
}

doc = XML::Parser.parse_string(xml).document

上述代码中，我们首先使用 %{} 定义了一段 XML 文本，然后使用 XML::Parser.parse_string 方法创建了一个 XML::Document 对象。

XML::Node 类

XML::Node 类表示 XML 中的一个节点。我们可以通过 XML::Document 对象找到该节点，对这个节点进行修改、删除等操作。

下面的代码可以找到第一本书的 title 元素，并打印它的文本值和 lang 属性值：

title = doc.root.elements['book/title'].text
lang = doc.root.elements['book/title'].attributes['lang']
puts "#{title} (#{lang})"

上述代码中，我们使用 doc.root.elements['xpath'] 方法找到 title 元素，然后使用 text 和 attributes['name'] 方法获取元素的文本值和指定属性的值。

XML::Attr 类

XML::Attr 类表示一个 XML 元素的属性。我们可以通过 XML::Node 对象获取该元素的属性并对其进行修改、删除等操作。

比如，下面的代码可以修改第一本书的 title 元素的 lang 属性值：

doc.root.elements['book[1]/title'].attributes['lang'] = 'zh'

上述代码中，我们使用 doc.root.elements['xpath'].attributes['name'] 方法获取元素的指定属性的值，并赋值为 'zh'。

总结

在 Ruby 中，我们可以使用 REXML 和 XMLParser 两种方式解析 XML。REXML 更为强大，适合处理大型 XML 文件，而 XMLParser 更为轻量级，适合处理小型 XML 文件。

无论是使用哪种方式，对 XPath 语法的熟练应用都是非常重要的。XPath 是一种能够让我们快速找到 XML 中指定元素的语法，学会使用它可以极大地提高我们处理 XML 的效率。