提问人：Tim Morton 提问时间：11/12/2015 最后编辑：the Tin ManTim Morton 更新时间：4/25/2017 访问量：104
如何抓取节点并将其作为新对象进行处理
How to grab a node and work on it as a new object
问：
我需要从大型XML文件中提取一个片段，并且只处理该片段。
xml = <<XMLEND
<CFRDOC xsi:noNamespaceSchemaLocation="CFRMergedXML.xsd">
<TITLE>
<SUBTITLE>
<CHAPTER>
<TOC></TOC>
<PART></PART>
<PART></PART>
<PART>
<EAR>Pt. 1903</EAR>
<HD SOURCE="HED">PART 1903—INSPECTIONS, CITATIONS AND PROPOSED PENALTIES</HD>
<CONTENTS></CONTENTS>
<AUTH></AUTH>
<SOURCE></SOURCE>
<SECTION>section1</SECTION>
<SECTION>section2</SECTION>
<SECTION>section3</SECTION>
<SECTION>section4</SECTION>
</PART>
</CHAPTER>
</SUBTITLE>
</TITLE>
</CFRDOC>
XMLEND
doc = Nokogiri::HTML(xml)
section = doc.xpath("//section")
# I can grab a specific node...
section[3].text
=> "section4"
# copy it
temp = section[3].dup
=> #<Nokogiri::XML::Element:0x261ce64 name="section" children=[#<Nokogiri::XML::Text:0x261c98c "section4">]>
# but the variable still refers to the whole...
doc.xpath("//part").size
=> 3
section.xpath("//part").size
=> 3
temp.xpath("//part").size
=> 3
来自PHP背景，我不得不重新考虑变量。我知道 Ruby 中的变量是不同的;它们是指向对象的指针。
因此，当我运行时，我实际上是在运行它。但是我想抓住一个特定的节点及其子节点，然后将其作为新对象进行处理。这将大大缩小大海捞针的范围，并使我的其余工作变得更加轻松！temp.xpathdoc
如何仅使用我选择的节点创建新对象？我想变成一个新对象，它不会看到另一个及其相关标签。section[3]<part><section>
答：
2赞
the Tin Man
11/12/2015
#1
"//part"意思是“从文档的顶部开始，搜索到底部，找到所有节点。<part>
那不是你想要的。
相反，您需要：
"./part"
这意味着“从当前位置开始并在其中搜索。
最简单的方法是将 XPath 视为在磁盘上导航目录结构。如果要在驱动器的根目录下查找文件，请使用：
/foo
如果您想在当前目录中查找文件，请使用：
./foo
XPath 用来表示“从上到下搜索”：//
//foo
我建议使用 CSS 选择器而不是 XPath，除非我需要 XPath 的强大功能。我发现 XPath 在视觉上很嘈杂。所以，相反，我会使用：
section = doc.search('section')
和
section.search('part')
现在，沉思一下：
require 'nokogiri'
xml = <<XMLEND
<CFRDOC xsi:noNamespaceSchemaLocation="CFRMergedXML.xsd">
<TITLE>
<SUBTITLE>
<CHAPTER>
<PART></PART>
<PART>
<SECTION>section1</SECTION>
<SECTION>section2</SECTION>
<SECTION>section3</SECTION>
<SECTION>section4</SECTION>
</PART>
</CHAPTER>
</SUBTITLE>
</TITLE>
</CFRDOC>
XMLEND
doc = Nokogiri::XML(xml)
为了便于阅读，我减少了 XML。
doc.search('SECTION').map(&:text) # => ["section1", "section2", "section3", "section4"]
doc.search('PART').size # => 2
doc.search('PART[2]').text # => "\n section1\n section2\n section3\n section4\n "
doc.search('PART[2]').search('SECTION').map(&:text) # => ["section1", "section2", "section3", "section4"]
doc.search('PART[2] SECTION').map(&:text) # => ["section1", "section2", "section3", "section4"]
doc.search('PART SECTION').map(&:text) # => ["section1", "section2", "section3", "section4"]
使用简单的选择器，可以轻松钻取到文档中。有时不可能编写一个简单的选择器，因此我们必须在文档中找到航点并从中导航，但基于示例 XML 它非常简单。
另请参阅“如何避免在抓取时加入节点中的所有文本”。
评论
0赞
Tim Morton
11/12/2015
感谢您的快速回复。是的，这是一个“全局”搜索，但政府XML经常无法以合乎逻辑的方式封装内容。为了我自己的理智，我想提取一个较小的块来使用。换句话说，我想对较小的子集进行搜索，因为有时我正在寻找的内容被包装在另一个节点中，有时不是 - 所以我倾向于使用//////
0赞
Tim Morton
11/12/2015
啊，当我发表评论时，你扩展了你的答案。这看起来确实很干净，而且引用特定节点看起来要简单得多。我必须考虑这一点。
0赞
the Tin Man
11/12/2015
您会发现完整的答案需要一段时间才能生成，并且通常会经过多次更新才能稳定下来。（我们中的许多人在回答之前会等待一段时间，看看我们是否喜欢答案的方向;我不需要积分，我只想看到合理的答案。因此，最好先等待一天，然后再开始分析和选择答案。
0赞
the Tin Man
11/12/2015
干净的代码是必不可少的，无论是在编写代码时，还是在几个月或几年后返回代码时更是如此。我喋喋不休地强调可维护性和我们可以快速摸索的代码，在凌晨 3：00 世界处于火焰中时要好得多。
0赞
Tim Morton
11/12/2015
注意到并赞赏:)当你被难住时很难等待：/我有一个后续问题：当我测试它时，它似乎只适用于而不是？不知道这是怎么回事。doc.search()Nokogiri::HTML()Nokogiri::XML()
1赞
user513951
11/12/2015
#2
用于转换回 XML 字符串，然后再次用于获取新对象。to_xmltempNokogiri::XML
my_section = Nokogiri::XML(temp.to_xml)
my_section.xpath('//part').size
# => 0
puts my_section
# <?xml version="1.0"?>
# <section><section4</section>
（我不确定你为什么要开始使用，但如果你认为需要，你可以在这里用它代替。Nokogiri::HTMLXML
评论
0赞
Tim Morton
11/12/2015
现在我看到了，很明显......我使用而不是 .但对于我的生活，我不记得它是什么，或者这是否是一个很好的理由。Nokogiri::HTMLNokogiri::XML
1赞
the Tin Man
11/12/2015
使用 HTML 变体进行解析会导致对 XML 应用更严格的限制。请参阅定义 rubydoc.info/github/sparklemotion/nokogiri/Nokogiri/XML/...。HTML 是“该死的草率”（我的话），但这就是 libXML 理解 HTML 所需要的。使用有效，但使用 或 更合适。Nokogiri::XMLDEFAULT_XMLto_sto_xmlto_xhtmlto_htmlto_s
上一个：Ruby 如何修改参数
评论