Hpricot XML文本搜索

Question

Hpricot + Ruby XML解析和逻辑选择。

目标：查找作者鲍勃撰写的所有标题。

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

如果您没有设置Hpricot，这是使用Nokogiri中的 XPath做到这一点的一种方法：

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也可以很好地工作，可读性更好，并且可能会更快：

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

Answer 2

XPath背后的想法之一是它允许我们以类似于磁盘目录的方式浏览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：“查找Bob的所有书籍，然后向上一级查找并找到标题标签”。

我添加了“鲍勃”（Bob）编写的另一本书，以测试所有情况的发生。

要获取Bob所藏的书籍，只需将其上移一个级别即可：

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。 这等效于嵌套搜索，减去包装括号，并且所有这些在Hpricot-ese中都应该相同：

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

因为通常会以'//rss/channel/item'形式看到XPath访问器，而'rss channel item'是CSS访问器，所以我建议使用这些格式进行维护和清晰化。