（滑軌）無法機械化以正確讀取Web xml文件

Question

我必須閱讀可通過帶有身份驗證的http訪問的xml文件。 這就是為什么我使用機械化。

我的問題是我無法機械地識別這些XML文件，因此可以對它們使用.find或.search。

這是我首先嘗試的方法-在我看來（HTML文件）

<% agent = Mechanize.new %>

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

<%= page %>

返回#<Mechanize::File:0x007f9dd602de30> 。 它是::File而不是::Page我不能對此使用.find或.search，因為它會undefined method find for #<Mechanize::File:0x007f9dd624cbd0>出錯

Mechanize doc說：這是可插拔解析器的默認（和基本）類。 如果Mechanize無法找到適合於內容類型的類，則將使用該類。 例如，如果下載JPG，Mechanize將不知道如何解析它，因此將實例化此類。

所以我創建了一個如下所述的類： 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

和我視圖中的更新代碼（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

<% 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>

我什至測試了確切的代碼（CSVParser- http: //rdoc.info/github/tenderlove/mechanize/master/Mechanize/PluggableParser），並嘗試加載仍被視為:: File的csv文件。

我究竟做錯了什么 ？

Answer 1

好的，現在我已經為自己解決了這個問題。 解決方案分為兩部分：

首先，您要匹配的內容類型不正確。 如果運行此行，獲取后，它將告訴您所獲取文檔的內容類型是什么：

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

當我使用機械化方法獲取您的頁面（“ http://dl.dropbox.com/u/344349/xml.xml”）時，我看到“ application / xml”作為內容類型。

其次，您沒有正確使用PluggableParser。 在這里使用XMLParser會生成NoMethodError: undefined method 'parse' for nil:NilClass 。 將類定義更改為使用Nokogiri :: XML代替：

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，將其設置為正確內容類型的解析器：

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

要使用它，您將獲得與以前相同的頁面，然后將頁面對象的xml屬性作為Nokogiri :: XML :: Document實例引用，該實例是Nokogiri :: XML :: Node的子類。 幸運的是， Mechanize :: Page.search只是Nokogiri :: XML :: Node.search的包裝，因此您幾乎可以按照您期望的方式進行搜索。 像這樣：

page.xml.search 'catalog'

進一步的改進是將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

這使您可以直接在頁面實例上執行搜索：

page.search 'catalog'

Answer 2

您可以將解析器更改為使用Page類，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

參見http://mechanize.rubyforge.org/Mechanize/PluggableParser.html