Ruby中使用Nokogiri包来操作XML格式数据的教程

安装

对于Ubuntu,需要安装好 libxml2, libxslt 这两个组件：

$ apt-get install libxml2 libxslt

然后就可以：

$ gem install nokogiri

可选项
nokogiri提供了一些解析文件时的可选项,常用的有:

• NOBLANKS : 删除空节点
• NOENT : 替代实体
• NOERROR : 隐藏错误报告
• STRICT : 精确解析,当解析到文件异常时抛出错误
• NONET : 在解析期间禁止任何网络连接.

可选项使用方式举例(通过块调用):

doc = Nokogiri::XML(File.open("blossom.xml")) do |config|
config.strict.nonet
end

或者

doc = Nokogiri::XML(File.open("blossom.xml")) do |config|
config.options = Nokogiri::XML::ParseOptions::STRICT | Nokogiri::XML::ParseOptions::NONET
end

解析

可以从文件，字符串，URL等来解析。靠的是这两个方法 Nokogiri::HTML, Nokogiri::XML：

读取字符串：

html_doc = Nokogiri::HTML("
Mr. Belvedere Fan Club
")
xml_doc = Nokogiri::XML("Alf")

读取文件：

f = File.open("blossom.xml")
doc = Nokogiri::XML(f)
f.close

读取URL：

require 'open-uri'
doc = Nokogiri::HTML(open("http://www.threescompany.com/"))

寻找节点

可以使用XPATH 以及 CSS selector 来搜索： 例如，给定一个XML：

xpath:

@doc.xpath("//title")

css:

@doc.css("book title")

修改节点内容

title = @doc.css("book title").firsto
title.content = 'new title'
puts @doc.to_html

# =>
...
 
...

修改节点的结构

first_title = @doc.at_css('title')
second_book = @doc.css('book').last

# 可以把第一个title放到第二个book中
first_title.parent = second_book

# 也可以随意摆放。
second_book.add_next_sibling(first_title)

# 也可以修改对应的class
first_title.name = 'h2'
first_title['class']='red_color'
puts @doc.to_html
# => 
...

# 也可以新建一个node
third_book = Nokogiri::XML::Node.new 'book', @doc
third_book.content = 'I am the third book'
second_book.add_next_sibling third_book
puts @doc.to_html
# =>
...

 ...
 I am the third book