在 Ruby 中使用智能标记分组进行 XML 解析

Question

这是我尝试实现的转换示例。 源 XML：

<cats>
  <cat>John</cat>
  <cat>Peter</cat>
</cats>

结果：

{'cats' => ['John', 'Peter']}

即使源 XML 中只有一个 <cat>，我也希望结果哈希中的 'cats' 的值是一个数组。

所以，我希望解析器应用规则：

如果节点 xyzs 包含一个或多个名称为 xyz 的子节点（并且 没有其他节点），那么节点 xyzs 应该在结果哈希中表示为一个数组，名称为 xyzs（并且数组的每个元素都应该是相应 xyz 元素的内容）。

下面是使用XmlSimple lib 实现的方法：

XmlSimple.xml_in('cats.xml',{:forcearray=>['cat'], :grouptags=>{"cats"=>"cat"}})

但是，我必须输入目标元素的所有名称，而且似乎没有其他方法可以在 XmlSimple 中定义 forcearray/grouptags 行为。

破解一个提取所有名称然后将它们传递给 xml_in 方法的预处理例程并不难，但可能有更优雅（即已经编写）的方法来做到这一点？

（如果它能够转换，我很乐意使用任何其他 XML 解析库）

---

UPD：如果重要的话，我的最终目标是将生成的哈希保存到 MongoDB（即整体转换是 XML -> BSON）

---

UPD2：我再次不想指定应该被视为数组的元素的名称，我希望 lib 为我。

Answer 1

使用 Nokogiri，我们可以编写以下代码：

require 'inflector'
require 'nokogiri'

def get_xml_stuff(xml, singular)
  plural = Inflector.pluralize(singular)
  return_hash = {plural => []}
  xml.xpath("*/#{plural}/#{singular}").each { |tag| return_hash[plural] << tag.text}
  return return_hash
end

根据我的测试，这解决了与您的 XmlSimple 代码匹配的简单案例。对于您的进一步要求：

如果节点 xyzs 包含一个或多个名称为 xyz 的子节点（并且没有其他节点），则节点 xyzs 应在结果哈希中表示为一个数组，名称为 xyzs（以及每个元素数组的内容应该是对应的xyz 元素的内容）。

def get_xml_stuff(xml, singular)
  plural = Inflector.pluralize(singular)
  return_hash = {plural => []}
  path = xml.xpath("*/#{plural}/#{singular}")
  path.each { |tag| return_hash[plural] << tag.text} unless path.size != xml.xpath("*/#{plural}/*").children.size
  return return_hash
end

不过，如果同一个复数在文件中出现多次，这仍然不完美。

---

回答 UPD2。我的新版本函数如下：

def get_xml_stuff(xml, plural)
  singular = Inflector.singularize(plural)
  return_hash = {plural => []}
  path = xml.xpath("./#{singular}")
  path.each { |tag| return_hash[plural] << tag.text} unless path.size != xml.xpath("./*").size
  return return_hash
end

这里我们从复数父节点开始，如果所有命名的子节点都具有该单数名称，则收集所有单数子节点。我的新测试代码变成：

sample_xml = Nokogiri::XML(sample_xml_text)
sample_xml.children.xpath("*").each do |child|
  array = get_xml_stuff(child, child.name)
  p array
end

如果没有像我的示例 <pets> 这样的标签，以下应该可以工作：

sample_xml = Nokogiri::XML(sample_xml_text)
array = get_xml_stuff(sample_xml.children.first, sample_xml.children.first.name)
p array

结束UPD2

---

作为参考，我的测试是：

sample_xml_text = <<-sample
<pets>
  <cats>
    <cat>John</cat>
    <cat>Peter</cat>
  </cats>
  <kitties>
    <kitty>Tibbles</kitty>
    <kitty>Meow-chan</kitty>
    <kitty>Puss</kitty>
  </kitties>
  <giraffes>
    <giraffe>Long Neck</giraffe>
  </giraffes>
  <dogs>
    <dog>Rover</dog>
    <dog>Spot</dog>
    <cat>Peter</cat>
  </dogs>
</pets>
sample

sample_xml = Nokogiri::XML(sample_xml_text)
array = get_xml_stuff(sample_xml, "cat")
p array
array = get_xml_stuff(sample_xml, "kitty")
p array
array = get_xml_stuff(sample_xml, "giraffe")
p array
array = get_xml_stuff(sample_xml, "dog")
p array

Answer 2

首先查找以s 结尾的元素名称：

names = doc.search('*[name()$="s"]').map(&:name).uniq
#=> ["cats"]

剩下的只是映射和散列：

Hash[names.map{|name| [name, doc.search("#{name} > #{name.sub /s$/, ''}").map(&:text)]}]
#=> {"cats"=>["John", "Peter"]}