测试4
测试大礼包
爬虫实战特训课

Ruby 使用 XML

上节我们介绍了 JSON，本章节主要介绍一下 Ruby 中如何使用 XML。

1. 什么是 XML

可扩展标记语言（英语：Extensible Markup Language，简称为 XML）是一种标记语言。标记指计算机所能理解的信息符号，通过此种标记，计算机之间可以处理包含各种信息的文章等。

XML 跟 HTML 语言很类似，但是不同的是，XML 是为了传输数据而存在的而不是显示数据，它具有一定的自我描述性。

常见的 XML 例子：

<priceList>
  <goods good_id="1">
    <name>小米</name>
    <price>1999</price>
  </goods>
  <goods good_id="2">
    <name>华为</name>
    <price>2999</price>
  </goods>
  <goods good_id="3">
    <name>苹果</name>
    <price>5999</price>
  </goods>
</priceList>

2. 使用 Ruby 来操作 XML

2.1 使用Ruby来解析XML

我们将上面的例子放到一个price_list.xml文件中去。

解析文件要使用到 XPath。XPath 使用路径表达式来选择 XML 文档中的节点，下面是一些 XPath 的基本规则：

表达式 描述
nodename 选择所有名称为“nodename“的节点
/ 从根节点选择
// 从当前节点中选择匹配选择的节点，无论它们在何处
. 选择当前节点
… 选择当前节点的父节点
@ 选择属性

下面给出了一些例子来理解XPath：

表达式 时机简介（调用的时机）
bookstore 选择所有名称为“bookstore”的节点
/bookstore 选择根元素bookstore。注意：如果路径以斜杠（/）开头，则始终表示元素的绝对路径
bookstore/book 选择所有属于bookstore子级的book元素
//book 选择所有书籍元素，无论它们在文档中的位置如何
bookstore//book 选择作为bookstore元素后代的所有book元素，无论它们在bookstore元素下的位置如何
//@lang 选择所有名为lang的属性

下面是XPath谓词（Predicates）的使用方法：

表达式 时机简介（调用的时机）
/bookstore/book[1] 选择第一个book元素，它是bookstore元素的子元素。
/bookstore/book[last()] 选择作为bookstore元素的子元素的最后一个book元素
/bookstore/book[last()-1] 选择倒数第二个book元素，它是bookstore元素的子元素
/bookstore/book[position()<3] 选择作为bookstore元素的子元素的前两个book元素
//title[@lang] 选择所有具有名为lang的属性的title元素
//title[@lang=‘en’] 选择所有具有“lang”属性且值为“en”的title元素
/bookstore/book[price>35.00] 选择bookstore元素中所有price元素大于35.00的book元素
/bookstore/book[price>35.00]/title 选择bookstore元素的book元素的所有title元素，它们的price元素的价格大于35.00。

现在让我们打印出所有手机品牌的价格信息，在和 price_list.xml 同一目录下创建脚本，这里我们会使用到rexml/document库。

require 'rexml/document'
include REXML

xmlfile = File.new("price_list.xml")
xmldoc = Document.new(xmlfile)


XPath.each(xmldoc, '//priceList/goods').each do |good|
  p good.elements["name"].text
  p good.elements["price"].text
end

# ---- 输出结果 ---
"小米"
"1999"
"华为"
"2999"
"苹果"
"5999"

解释：

我们通过XPath.each获取所有goods元素，然后对这个结果进行迭代，迭代后每一个goods元素中的elements方法可以获取到goods的每个子节点。使用[key]获取每个节点，输出它然后再使用text方法输出其中的字符串。

2.2 使用 Ruby 生成 XML 文件

生成XML我们要使用builder库。

require 'builder'

def product_xml
  xml = Builder::XmlMarkup.new( :indent => 2 ) 
  xml.instruct! :xml, :encoding => "ASCII"
  xml.product do |p| 
    p.name "Test XML"
  end 
end

puts product_xml

# ---- 输出结果 ---
<?xml version="1.0" encoding="ASCII"?>
<product>
  <name>Test XML</name>
</product>

之后如果需要的话将这个 XML 写入到文件中即可。

3. 小结

本章节我们了解了什么是 XML，XPath 的基本规则有哪些，在 Ruby 中使用 XPath 解析到元素。使用builder创建一个 XML 文件。