Ruby - XML、XSLT和XPath 教程

上一页
下一页

什么是 XML？

可扩展标记语言 (XML) 是一种标记语言，类似于 HTML 或 SGML。这是万维网联盟推荐的开放标准。

XML 是一种可移植的开源语言，允许程序员开发可被其他应用程序读取的应用程序，而不管操作系统和/或开发语言如何。

XML 在无需基于 SQL 的后端的情况下跟踪少量到中等数量的数据方面非常有用。

XML 解析器架构和 API

XML 解析器有两种不同的类型：

  • SAX 式 (流接口) - 在这里，您为感兴趣的事件注册回调，然后让解析器处理文档。当您的文档很大或内存有限时，这很有用，它在从磁盘读取文件时解析文件，并且整个文件永远不会存储在内存中。

  • DOM 式 (对象树接口) - 这是万维网联盟的建议，其中整个文件被读入内存并存储在分层（基于树）的形式中，以表示 XML 文档的所有特征。

在处理大型文件时，SAX 的处理速度显然不如 DOM 快。另一方面，仅使用 DOM 会严重影响您的资源，尤其是在处理大量小文件时。

SAX 是只读的，而 DOM 允许更改 XML 文件。由于这两种不同的 API 实际上是互补的，因此没有理由不能将它们都用于大型项目。

使用 Ruby 解析和创建 XML

操作 XML 最常见的方法是使用 Sean Russell 的 REXML 库。自 2002 年以来，REXML 一直是标准 Ruby 发行版的一部分。

REXML 是一个纯 Ruby XML 处理器，符合 XML 1.0 标准。它是一个非验证处理器，通过了所有 OASIS 非验证一致性测试。

REXML 解析器与其他可用解析器相比具有以下优点：

  • 它完全是用 Ruby 编写的。
  • 它可用于 SAX 和 DOM 解析。
  • 它很轻量级，代码少于 2000 行。
  • 方法和类非常易于理解。
  • 基于 SAX2 的 API 和完整的 XPath 支持。
  • 随 Ruby 安装一起提供，无需单独安装。

对于我们所有的 XML 代码示例，让我们使用一个简单的 XML 文件作为输入：

<collection shelf = "New Arrivals">
   <movie title = "Enemy Behind">
      <type>War, Thriller</type>
      <format>DVD</format>
      <year>2003</year>
      <rating>PG</rating>
      <stars>10</stars>
      <description>Talk about a US-Japan war</description>
   </movie>
   <movie title = "Transformers">
      <type>Anime, Science Fiction</type>
      <format>DVD</format>
      <year>1989</year>
      <rating>R</rating>
      <stars>8</stars>
      <description>A schientific fiction</description>
   </movie>
   <movie title = "Trigun">
      <type>Anime, Action</type>
      <format>DVD</format>
      <episodes>4</episodes>
      <rating>PG</rating>
      <stars>10</stars>
      <description>Vash the Stampede!</description>
   </movie>
   <movie title = "Ishtar">
      <type>Comedy</type>
      <format>VHS</format>
      <rating>PG</rating>
      <stars>2</stars>
      <description>Viewable boredom</description>
   </movie>
</collection>

DOM 式解析

让我们首先以树状方式解析我们的 XML 数据。我们首先需要rexml/document库；通常为了方便，我们会包含 REXML 以导入到顶层命名空间中。

#!/usr/bin/ruby -w

require 'rexml/document'
include REXML

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

# Now get the root element
root = xmldoc.root
puts "Root element : " + root.attributes["shelf"]

# This will output all the movie titles.
xmldoc.elements.each("collection/movie"){ 
   |e| puts "Movie Title : " + e.attributes["title"] 
}

# This will output all the movie types.
xmldoc.elements.each("collection/movie/type") {
   |e| puts "Movie Type : " + e.text 
}

# This will output all the movie description.
xmldoc.elements.each("collection/movie/description") {
   |e| puts "Movie Description : " + e.text 
}

这将产生以下结果：

Root element : New Arrivals
Movie Title : Enemy Behind
Movie Title : Transformers
Movie Title : Trigun
Movie Title : Ishtar
Movie Type : War, Thriller
Movie Type : Anime, Science Fiction
Movie Type : Anime, Action
Movie Type : Comedy
Movie Description : Talk about a US-Japan war
Movie Description : A schientific fiction
Movie Description : Vash the Stampede!
Movie Description : Viewable boredom

SAX 式解析

为了以面向流的方式处理相同的数据（movies.xml）文件，我们将定义一个监听器类，其方法将成为解析器中回调的目标。

注意 - 不建议对小文件使用 SAX 式解析，这只用于演示示例。

#!/usr/bin/ruby -w

require 'rexml/document'
require 'rexml/streamlistener'
include REXML

class MyListener
   include REXML::StreamListener
   def tag_start(*args)
      puts "tag_start: #{args.map {|x| x.inspect}.join(', ')}"
   end

   def text(data)
      return if data =~ /^\w*$/     # whitespace only
      abbrev = data[0..40] + (data.length > 40 ? "..." : "")
      puts "  text   :   #{abbrev.inspect}"
   end
end

list = MyListener.new
xmlfile = File.new("movies.xml")
Document.parse_stream(xmlfile, list)

这将产生以下结果：

tag_start: "collection", {"shelf"=>"New Arrivals"}
tag_start: "movie", {"title"=>"Enemy Behind"}
tag_start: "type", {}
   text   :   "War, Thriller"
tag_start: "format", {}
tag_start: "year", {}
tag_start: "rating", {}
tag_start: "stars", {}
tag_start: "description", {}
   text   :   "Talk about a US-Japan war"
tag_start: "movie", {"title"=>"Transformers"}
tag_start: "type", {}
   text   :   "Anime, Science Fiction"
tag_start: "format", {}
tag_start: "year", {}
tag_start: "rating", {}
tag_start: "stars", {}
tag_start: "description", {}
   text   :   "A schientific fiction"
tag_start: "movie", {"title"=>"Trigun"}
tag_start: "type", {}
   text   :   "Anime, Action"
tag_start: "format", {}
tag_start: "episodes", {}
tag_start: "rating", {}
tag_start: "stars", {}
tag_start: "description", {}
   text   :   "Vash the Stampede!"
tag_start: "movie", {"title"=>"Ishtar"}
tag_start: "type", {}
tag_start: "format", {}
tag_start: "rating", {}
tag_start: "stars", {}
tag_start: "description", {}
   text   :   "Viewable boredom"

XPath 和 Ruby

查看 XML 的另一种方法是 XPath。这是一种伪语言，描述了如何在 XML 文档中定位特定元素和属性，并将该文档视为一个逻辑有序的树。

REXML 通过XPath类支持 XPath。如上所述，它假定基于树的解析（文档对象模型）。

#!/usr/bin/ruby -w

require 'rexml/document'
include REXML

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

# Info for the first movie found
movie = XPath.first(xmldoc, "//movie")
p movie

# Print out all the movie types
XPath.each(xmldoc, "//type") { |e| puts e.text }

# Get an array of all of the movie formats.
names = XPath.match(xmldoc, "//format").map {|x| x.text }
p names

这将产生以下结果：

<movie title = 'Enemy Behind'> ... </>
War, Thriller
Anime, Science Fiction
Anime, Action
Comedy
["DVD", "DVD", "DVD", "VHS"]

XSLT 和 Ruby

Ruby 可以使用两个可用的 XSLT 解析器。这里简要介绍了每个解析器。

Ruby-Sablotron

此解析器由 Takahashi Masayoshi 编写和维护。它主要为 Linux 操作系统编写，需要以下库：

  • Sablot
  • Iconv
  • Expat

您可以在Ruby-Sablotron找到此模块。

XSLT4R

XSLT4R 由 Michael Neumann 编写，可以在 RAA 的“库”部分（在 XML 下）找到。XSLT4R 使用简单的命令行界面，但也可以在第三方应用程序中用于转换 XML 文档。

XSLT4R 需要 XMLScan 才能运行，后者包含在 XSLT4R 存档中，并且也是一个 100% 的 Ruby 模块。可以使用标准的 Ruby 安装方法（即 ruby install.rb）安装这些模块。

XSLT4R 的语法如下：

ruby xslt.rb stylesheet.xsl document.xml [arguments]

如果您想在应用程序中使用 XSLT4R，您可以包含 XSLT 并输入所需的参数。这是一个示例：

require "xslt"

stylesheet = File.readlines("stylesheet.xsl").to_s
xml_doc = File.readlines("document.xml").to_s
arguments = { 'image_dir' => '/....' }
sheet = XSLT::Stylesheet.new( stylesheet, arguments )

# output to StdOut
sheet.apply( xml_doc )

# output to 'str'
str = ""
sheet.output = [ str ]
sheet.apply( xml_doc )

进一步阅读

打印页面
上一页
下一页
广告