Hpricot XML文本搜索

Question

Hpricot + Ruby XML解析和逻辑选择。

目标:查找作者Bob所写的所有标题。

我的XML文件：

<rss>
<channel>
<item>
<title>Book1</title>
<pubDate>march 1 2010</pubDate>
<author>Bob</author>
</item>

<item>
<title>book2</title>
<pubDate>october 4 2009</pubDate>
<author>Bill</author>
</item>

<item>
<title>book3</title>
<pubDate>June 5 2010</pubDate>
<author>Steve</author>
</item>
</channel>
</rss>

#my Hpricot, running this code returns no output, however the search pattern works on its own.
 (doc % :rss % :channel / :item).each do |item|

        a=item.search("author[text()*='Bob']")

        #puts "FOUND" if a.include?"Bob"
        puts item.at("title") if a.include?"Bob"

  end

Answer 1

XPath背后的一个想法是，它允许我们像导航磁盘目录一样导航DOM：

require 'hpricot'

xml = <<EOT
<rss>
    <channel>
        <item>
            <title>Book1</title>
            <pubDate>march 1 2010</pubDate>
            <author>Bob</author>
        </item>

        <item>
            <title>book2</title>
            <pubDate>october 4 2009</pubDate>
            <author>Bill</author>
        </item>

        <item>
            <title>book3</title>
            <pubDate>June 5 2010</pubDate>
            <author>Steve</author>
        </item>

        <item>
            <title>Book4</title>
            <pubDate>march 1 2010</pubDate>
            <author>Bob</author>
        </item>

    </channel>
</rss>
EOT

doc = Hpricot(xml)

titles = (doc / '//author[text()="Bob"]/../title' )
titles # => #<Hpricot::Elements[{elem <title> "Book1" </title>}, {elem <title> "Book4" </title>}]>

这意味着：“找到Bob的所有书籍，然后查找一个级别，找到title标签”。

我添加了一本由"Bob“写的额外的书来测试获取所有的匹配项。

要获取包含Bob的一本书的项目，只需上移一级：

items = (doc / '//author[text()="Bob"]/..' )
puts items # => nil
# >> <item>
# >>             <title>Book1</title>
# >>             <pubdate>march 1 2010</pubdate>
# >>             <author>Bob</author>
# >>         </item>
# >> <item>
# >>             <title>Book4</title>
# >>             <pubdate>march 1 2010</pubdate>
# >>             <author>Bob</author>
# >>         </item>

我还弄清楚了(doc % :rss % :channel / :item)在做什么。这相当于嵌套搜索，减去了括号，这些在Hpricot-ese中应该是相同的：

(doc % :rss % :channel / :item).size # => 4
(((doc % :rss) % :channel) / :item).size # => 4
(doc / '//rss/channel/item').size # => 4
(doc / 'rss channel item').size # => 4

因为'//rss/channel/item'是您通常看到的XPath访问器，而'rss channel item'是一个CSS访问器，为了维护和清晰起见，我建议使用这些格式。

Answer 2

如果您没有在Hpricot上设置，这里有一种在Nokogiri中使用XPath来完成此操作的方法

require 'nokogiri'
doc = Nokogiri::XML( my_rss_string )
bobs_titles = doc.xpath("//title[parent::item/author[text()='Bob']]")
p bobs_titles.map{ |node| node.text }
#=> ["Book1"]

编辑：@theTinMan的XPath也工作得很好，可读性更好，而且速度可能会更快：

bobs_titles = doc.xpath("//author[text()='Bob']/../title")