在 nokogiri 中使用 SAX 解析 XML 时如何搜索 XML答案

【问题标题】：How to search an XML when parsing it using SAX in nokogiri在 nokogiri 中使用 SAX 解析 XML 时如何搜索 XML
【发布时间】：2010-12-27 01:45:06
【问题描述】：

我有一个简单但巨大的 xml 文件，如下所示。我想使用 SAX 解析它，并且只打印出 title 标签之间的文本。

<root>
    <site>some site</site>
    <title>good title</title>
</root>

我有以下代码：

require 'rubygems'
require 'nokogiri'
include Nokogiri

class PostCallbacks < XML::SAX::Document
  def start_element(element, attributes)
    if element == 'title'
      puts "found title"
    end
  end

  def characters(text)
    puts text
  end
end

parser = XML::SAX::Parser.new(PostCallbacks.new)
parser.parse_file("myfile.xml")

问题是它在所有标签之间打印文本。如何在title 标签之间打印文本？

【问题讨论】：

“巨大”有多大？我曾经使用 SAX 进行解析，因为我的机器上的文件比可用 RAM 大，但现在我有大量可用的 RAM，所以我通常使用 DOM 来解析。
感谢您提出这个问题

标签： ruby nokogiri sax

【解决方案1】：

您只需要跟踪您何时在<title> 内，以便characters 知道何时应该注意。可能是这样的（未经测试的代码）：

class PostCallbacks < XML::SAX::Document
  def initialize
    @in_title = false
  end

  def start_element(element, attributes)
    if element == 'title'
      puts "found title"
      @in_title = true
    end
  end

  def end_element(element)
    # Doesn't really matter what element we're closing unless there is nesting,
    # then you'd want "@in_title = false if element == 'title'"
    @in_title = false
  end

  def characters(text)
    puts text if @in_title
  end
end

【讨论】：

【解决方案2】：

上面接受的答案是正确的，但是它有一个缺点，即使它在开头找到<title>，它也会遍历整个 XML 文件。

我确实有类似的需求，最后我写了一个saxy ruby gem，旨在在这种情况下高效。它在底层实现了 Nokogiri 的 SAX Api。

以下是您的使用方法：

require 'saxy'
title = Saxy.parse(path_to_your_file, 'title').first

当它发现第一次出现<title>标签时会立即停止。

【讨论】：