Ruby - XML,XSLT和XPath教程

什么是XML?

可扩展标记语言(XML)是一种与HTML或SGML非常相似的标记语言.这是万维网联盟推荐的,可作为开放标准提供.

XML是一种可移植的开源语言,允许程序员开发可由其他应用程序读取的应用程序,无论操作系统和/或开发语言.

XML对于跟踪中小数据量非常有用,而不需要基于SQL的主干.

XML解析器体系结构和API

XML解析器有两种不同的口味 :

  • 类似SAX(流接口) : 在这里,您可以为感兴趣的事件注册回调,然后让解析器继续处理该文档.当文档很大或存在内存限制时,这很有用,它在从磁盘读取文件时解析文件,整个文件永远不会存储在内存中.

  • 类DOM(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以分层(基于树)的形式存储,以表示XML文档的所有功能.

在使用大文件时,SAX显然无法像DOM一样快地处理信息.另一方面,专门使用DOM可以真正杀死你的资源,特别是如果在很多小文件上使用它.

SAX是只读的,而DOM允许更改XML文件.由于这两个不同的API在字面上相互补充,因此没有理由不将它们用于大型项目.

使用Ruby解析和创建XML

操纵XML的最常用方法是使用Sean Russell的REXML库.自2002年以来,REXML已成为标准Ruby发行版的一部分.

REXML是符合XML 1.0标准的纯Ruby XML处理器.它是一个非验证处理器,通过所有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 :

  • 它是用Ruby编写的100%.

  • 它可以用于SAX和DOM解析.

  • 它是轻量级的,少于2000行代码.

  • 方法和类非常容易理解.

  • 基于SAX2的API和完整的XPath支持.

  • 附带Ruby安装,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文件作为输入和减号;

<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>

类DOM解析

让我们首先以树时尚解析我们的XML数据.我们首先要求 rexml/document 库;为方便起见,我们经常会使用REXML导入顶级命名空间.

#!/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

类似SAX的解析

要处理相同的数据, movies.xml ,以面向流的方式文件我们将定义一个 listener 类,其方法将成为回调的目标来自解析器.

注意 : 不建议对小文件使用类似SAX的解析,这仅用于演示示例.

#!/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,描述如何在XML文档中定位特定元素和属性,将该文档视为逻辑有序树.

REXML通过

#!/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可以使用两种可用的XSLT解析器.这里给出了每个的简要说明.

Ruby-Sablotron

这个解析器由Masayoshi Takahashi编写和维护.这主要是为Linux操作系统编写的,需要以下库和减号;

  • Sablot

  • Iconv

  • Expat

您可以在 Ruby-Sablotron 找到此模块.

XSLT4R

XSLT4R由Michael Neumann编写,可以在XML下的Library部分的RAA中找到. XSLT4R使用简单的命令行界面,但它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,它包含在XSLT4R存档中,这也是100%的Ruby模块.这些模块可以使用标准的Ruby安装方法安装(即ruby install.rb).

XSLT4R具有以下语法 :

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

如果要在应用程序中使用XSLT4R,您可以包含XSLT并输入所需的参数.下面是示例 :

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

  • 有关REXML Parser的完整详细信息,请参阅标准文档 REXML分析器文档.

  • 您可以从 RAA存储库下载XSLT4R.