一、基礎語法
1.直接以字符串形式獲取nokogiri對象:
html_doc = Nokogiri::HTML("<html><body><h1>Mr. Belvedere Fan Club</h1></body></html>")xml_doc = Nokogiri::XML("<root><aliens><alien><name>Alf</name></alien></aliens></root>")這里的html_doc和xml_doc就是nokogiri文件
2.也可以通過文件句柄獲取nokogiri對象:
f = File.open("blossom.xml")doc = Nokogiri::XML(f)f.close3.還可以直接從網站獲取:
require 'open-uri'doc = Nokogiri::HTML(open("http://www.xxx.com/"))二、XML文件解析實例
從XML/HTML文件里抓取字段的常用方法:
現在有一個名為shows.xml的文件,內容如下:
<root> <sitcoms> <sitcom> <name>Married with Children</name> <characters> <character>Al Bundy</character> <character>Bud Bundy</character> <character>Marcy Darcy</character> </characters> </sitcom> <sitcom> <name>Perfect Strangers</name> <characters> <character>Larry Appleton</character> <character>Balki Bartokomous</character> </characters> </sitcom> </sitcoms> <dramas> <drama> <name>The A-Team</name> <characters> <character>John "Hannibal" Smith</character> <character>Templeton "Face" Peck</character> <character>"B.A." Baracus</character> <character>"Howling Mad" Murdock</character> </characters> </drama> </dramas></root>
如果想把所有character標簽的內容查找出來,可以這樣處理:
@doc = Nokogiri::XML(File.open("shows.xml"))@doc.xpath("http://character")xpath和css方法,返回的是一個結點列表,類似于一個數組,它的內容就是從文件中查找出來的符合匹配規則的結點.
把dramas結點里的character結點列表查出來:
@doc.xpath("http://dramas//character")更有可讀性的css方法:
characters = @doc.css("sitcoms name")# => ["<name>Married with Children</name>", "<name>Perfect Strangers</name>"]當已知查詢結果唯一時,如果想直接返回這個結果,而不是列表,可以直接使用at_xpath或at_css:
@doc.css("dramas name").first # => "<name>The A-Team</name>"@doc.at_css("dramas name") # => "<name>The A-Team</name>"三、Namespaces
對于有多個標簽的情況,命名空間就起到非常大的作用了.
例如有這樣一個parts.xml文件:
新聞熱點
疑難解答
