Nokogiri::XML::Reader 跳过命名空间

Question

我有多个 XML（如下所示），其中出现了可选标记。这个标签在一个命名空间mynamespace

  xml = %{<?xml version="1.0" encoding="UTF-8" ?>
    <rss version="2.0" xmlns:mynamespace="http://example.com/ns/1.0">
      <channel>
        <item>
          <title>bar</title>
          <mynamespace:custom_tag>some text</mynamespace:custom_tag>
        </item>
        <item>
          <title>foo</title>
        </item>
      </channel>
    </rss>}

  Nokogiri::XML::Reader(xml).each do |node|
    next if node.name!='item' || node.node_type != Nokogiri::XML::Reader::TYPE_ELEMENT
    node = Nokogiri::XML.parse(node.outer_xml)
    puts "-> node"
    puts node.namespaces
    puts node.xpath("//mynamespace:custom_tag").text
  end

当Nokogiri::XML::Reader(xml) 迭代每个<item> 时，第一次运行输出some text。但是，当解析第二个项目时，它不包含我的 mynamespace 命名空间的元素，它会引发错误。

输出是：

-> node
{"xmlns:mynamespace"=>"http://example.com/ns/1.0"}
some text
-> node
{}
Nokogiri::XML::XPath::SyntaxError: Undefined namespace prefix: //mynamespace:custom_tag

• 为什么 Nokogiri 将命名空间包含在第一项中而不包含在第二项中？只是因为第一个使用命名空间，而第二个没有？
• 即使当前节点中不存在此命名空间，搜索带有命名空间的标签的解决方法是什么？

Answer 1

1. 为什么 Nokogiri 将命名空间包含在第一项中而不包含在第二项中？只是因为第一个使用命名空间，而第二个没有？

要了解区别，请查看node.outer_xml 为第一个<item> 返回的内容：

<item xmlns:mynamespace="http://example.com/ns/1.0">
  <title>bar</title>
  <mynamespace:custom_tag>some text</mynamespace:custom_tag>
</item>

...与第二个相比：

<item>
  <title>foo</title>
</item>

您会注意到，在第一种情况下，outer_xml 与输入 XML 不同：Nokogiri 有助于在父元素上包含任何子元素的命名空间声明。在第二种情况下，所有元素都没有任何命名空间，因此 Nokogiri 不包含任何命名空间声明。

1. 即使当前节点中不存在此命名空间，搜索带有命名空间的标签的解决方法是什么？

一个简单的解决方案是使用条件来跳过不包含命名空间的元素：

Nokogiri::XML::Reader(xml).each do |node|
  next unless node.name == 'item' && node.node_type == Nokogiri::XML::Reader::TYPE_ELEMENT
  item_doc = Nokogiri::XML.parse(node.outer_xml)
  puts "-> node"

  unless item_doc.namespaces.key?("xmlns:mynamespace")
    puts "Does not include namespace; skipping"
    next
  end

  puts item_doc.xpath("//mynamespace:custom_tag").text
end
# => -> node
#    some text
#    -> node
#    Element doesn't include namespace; skipping

您会注意到，我还将块内的变量名称 node 更改为 item_doc，因为 Nokogiri::XML.parse 返回的是 Nokogiri::XML::Document，而不是 Node，并且命名非常混乱。

更简单的解决方案是使用 Nokogiri 的内存解析器而不是 XML::Reader：

doc = Nokogiri::XML(xml)
doc.xpath("//rss/channel/item/mynamespace:custom_tag").each do |node|
  puts node.text
end
# => some_text

您可能正在使用 XML::Reader，因为 XML 文档很大，但除非您遇到实际的内存或性能问题，否则我建议您改用这种方法。