(Rails)无法机械化以正确读取web xml文件

Question

我必须读取可通过带身份验证的http访问的xml文件。这就是我使用机械化的原因。

我的问题是我不能机械地识别这些XML文件，所以我可以对它们使用.find或.search。

这是我第一次尝试的--在我的视图中(html文件)

<% agent = Mechanize.new %>

<% page = agent.get("http://dl.dropbox.com/u/344349/xml.xml") %>

<%= page %>

它返回#<Mechanize::File:0x007f9dd602de30>。它是::File而不是::Page，我不能在上面使用.find或.search，因为它会在undefined method find for #<Mechanize::File:0x007f9dd624cbd0>中出错

Mechanize文档说:这是可插拔解析器的默认(和基础)类。如果Mechanize找不到用于内容类型的合适类，将使用这个类。例如，如果您下载一个JPG，Mechanize将不知道如何解析它，因此这个类将被实例化。

因此，我创建了一个如下所述的类：http://rdoc.info/github/tenderlove/mechanize/master/Mechanize/PluggableParser

My class

class XMLParser < Mechanize::File

attr_reader :xml

def initialize(uri=nil, response=nil, body=nil, code=nil)

super(uri, response, body, code)

@xml = xml.parse(body)

end

end

和我的视图中的更新代码(html文件)

<% agent = Mechanize.new %>

<% agent.pluggable_parser['text/xml'] = XMLParser %>

<% agent.user_agent_alias = 'Windows Mozilla' %>

<% page = agent.get("http://dl.dropbox.com/u/344349/xml.xml") %>

<%= page %>

甚至是

<% agent = Mechanize.new %>

<% agent.pluggable_parser.xml = XMLParser %>

<% page1 = agent.get('http://dl.dropbox.com/u/344349/xml.xml') # => CSVParser %>

<%= page1 %>

仍返回#<Mechanize::File:0x007f9dd5253b48>

我甚至测试了确切的代码(CSVParser - http://rdoc.info/github/tenderlove/mechanize/master/Mechanize/PluggableParser)，并尝试加载仍被视为：：文件的csv文件。

我做错了什么？

Answer 1

好了，我刚才自己解决了这个问题。解决方案分为两部分：

首先，您匹配的内容类型不正确。如果运行此行，在执行get之后，它将告诉您正在获取的文档的内容类型：

page.response['content-type'] # => 'application/xml', not 'text/xml'

当我使用mechanize获取你的页面(‘http://dl.dropbox.com/u/344349/xml.xml'’)时，我看到'application/xml‘作为内容类型。

其次，您没有正确使用PluggableParser。按照这里的方式使用XMLParser将生成NoMethodError: undefined method 'parse' for nil:NilClass。更改类定义，改为使用Nokogiri::XML：

class XmlParser < Mechanize::File
  attr_reader :xml
  def initialize(uri = nil, response = nil, body = nil, code = nil)
    @xml = Nokogiri::XML(body)
    super uri, response, body, code
  end
end

然后，将其设置为正确内容类型的解析器：

mech.pluggable_parser['application/xml'] = XmlParser

要使用此方法，您将获得与以前相同的页面，然后将页面对象的xml属性作为Nokogiri::XML::Document实例引用，该实例是Nokogiri::XML::Node的子类。幸运的是，Mechanize::Page.search只是Nokogiri::XML::Node.search的一个包装器，所以您可以使用与预期相同的方式进行搜索。如下所示：

page.xml.search 'catalog'

进一步的改进是将XmlParser.search映射到Nokogiri .search方法：

# This is the same as what Mechanize::Page does
class XmlParser < Mechanize::File
  extend Forwardable
  def_delegators  :@xml, :search, :/, :at
end

这使您可以直接在页面实例上执行搜索：

page.search 'catalog'

Answer 2

您可以更改解析器以使用Page类，如下所示：

agent = Mechanize.new
agent.pluggable_parser.default = Mechanize::Page
agent.get("http://dl.dropbox.com/u/344349/xml.xml").class # Mechanize::Page

请参阅http://mechanize.rubyforge.org/Mechanize/PluggableParser.html