Ruby中XML格式數(shù)據(jù)處理庫REXML的使用方法指南

以樹方式使用 REXML
REXML 的目的是 正好夠用。在最大程度上，它能很好地完成任務(wù)。 實際上， REXML 支持兩種不同樣式的 XML 處理 ― “樹”和“流”。 第一種樣式是 DOM 所嘗試要做的更簡單的版本；第二種樣式是 SAX 所嘗試要做的更簡單的版本。 讓我們先研究樹樣式。假設(shè)我們要提取上一個示例中的同一個地址簿文檔。 下面的示例來自我所創(chuàng)建的經(jīng)修改的 eval.rb ； 標(biāo)準(zhǔn) eval.rb （鏈接到 Ruby 教程）可以根據(jù)對復(fù)雜對象的表達(dá)式求值顯示非常長的計算結(jié)果 ― 我的 eval.rb 在沒有錯誤發(fā)生的情況下不作出反應(yīng)：
如何使用 REXML 來引用嵌套數(shù)據(jù)

ruby> require "rexml/document"
ruby> include REXML
ruby> addrbook = (Document.new File.new "address.xml").root
ruby> persons = addrbook.elements.to_a("http://person")
ruby> puts persons[1].elements["address"].attributes["city"]
New York

這個表達(dá)式很普通。 .to_a() 方法創(chuàng)建文檔中所有 person> 元素的數(shù)組，在其它命名中它可能是有用的。 元素有點象 DOM 節(jié)點，但它其實更接近于 XML 本身（而且使用起來也更簡單）。 .to_a() 的參數(shù)是 XPath，在這種情況下，可以標(biāo)識文檔中任何地方的所有 person> 元素。如果我們只需要第一層上的元素，可以使用：
創(chuàng)建匹配元素的數(shù)組

ruby> persons = addrbook.elements.to_a("/addressbook/person")

我們甚至可以更直接地將 XPath 用作 .elements 屬性的重載索引。例如：
使用 REXML 來引用嵌套數(shù)據(jù)的另一種方法

ruby> puts addrbook.elements["http://person[2]/address"].attributes["city"]
New York

請注意，XPath 使用基于 1 的索引，不象 Ruby 和 Python 數(shù)組使用基于 0 的索引。換句話說， 它仍是我們正在檢查其所在城市的同一個人。通過查看 REXML 請注意，XPath 使用基于 1 的索引，不象 Ruby 和 Python 數(shù)組使用基于 0 的索引。換句話說， 它仍是我們正在檢查其所在城市的同一個人。通過查看
用 REXML 顯示元素的 XML 源代碼

ruby> puts addrbook.elements["http://person[2]/address"]
address city='New York' street='118 St.' number='344' state='NY'/>
ruby> puts addrbook.elements["http://person[2]/contact-info"]
contact-info>
 email address='robb@iro.ibm.com'/>
 home-phone number='03-3987873'/>
/contact-info>

此外，XPath 不必只與一個元素匹配。我們已在定義 persons 數(shù)組時看見過，但另一個示例強調(diào)了這一點：
將多個元素與 XPath 匹配

ruby> puts addrbook.elements.to_a("http://person/address[@state='CA']")
address city='Sacramento' street='Spruce Rd.' number='99' state='CA'/>
address city='Los Angeles' street='Pine Rd.' number='1234' state='CA'/>

與此相反， .elements 屬性的索引只產(chǎn)生 第一個匹配的元素：
當(dāng) XPath 只匹配第一次出現(xiàn)時

ruby> puts addrbook.elements.to_a("http://person/address[@state='CA']")
address city='Sacramento' street='Spruce Rd.' number='99' state='CA'/>
address city='Los Angeles' street='Pine Rd.' number='1234' state='CA'/>

也可以通過 REXML 中的 XPath 類使用 XPath 地址， 它具有諸如 .first() 、 .each() 和 .match() 這樣的方法。
REXML 元素的一個獨特的慣用方法是 .each 迭代器。雖然 Ruby 有一個可對集合進行操作的循環(huán)結(jié)構(gòu) for ， 但 Ruby 程序員通常更喜歡使用迭代器方法來將控制傳遞給代碼塊。下面的兩種結(jié)構(gòu)是等價的， 但第二種結(jié)構(gòu)有更為自然的 Ruby 感覺：
通過在 REXML 中匹配 XPath 進行迭代

ruby> for addr in addrbook.elements.to_a("http://address[@state='CA']")
  |  puts addr.attributes["city"]
  | end
Sacramento
Los Angeles
ruby> addrbook.elements.each("http://address[@state='CA']") {
  |  |addr| puts addr.attributes["city"]
  | }
Sacramento
Los Angeles

以流方式使用 REXML
出于“正好夠用”的目的， REXML 的樹方式可能是 Ruby 語言最簡單的方法。 但 REXML 還提供了一種流方式，它象是 SAX 的更輕量級的變體。 正如使用 SAX 一樣， REXML 沒有向應(yīng)用程序程序員提供來自 XML 文檔的缺省數(shù)據(jù)結(jié)構(gòu)。 相反，“l(fā)istener”或“handler”類負(fù)責(zé)提供響應(yīng)文檔流中各種事件的一組方法。 以下是常用集合：開始標(biāo)記、結(jié)束標(biāo)記、遇到的元素文本等等。
雖然流方式遠(yuǎn)遠(yuǎn)沒有象以樹方式工作那樣容易，但通常它的速度要快很多。 REXML 教程聲稱流方式的速度要快 1500倍。 雖然我沒有嘗試過對它進行基準(zhǔn)測試，但我猜想這是一種有限的情況（我的小示例在樹方式中也是瞬間完成的）。 總之，如果速度要緊，那么速度上的差異很可能是顯著的。
讓我們研究一個非常簡單的示例，它所做的事情與上面的“列出加州城市”示例相同。 對它進行擴展以用于復(fù)雜的文檔處理相對比較簡單：
REXML 中 XML 文檔的流處理

ruby> require "rexml/document"
ruby> require "rexml/streamlistener"
ruby> include REXML
ruby> class Handler
  |  include StreamListener
  |  def tag_start name, attrs
  |    if name=="address" and attrs.assoc("state")[1]=="CA"
  |     puts attrs.assoc("city")[1]
  |    end
  |  end
  | end
ruby> Document.parse_stream((File.new "address.xml"), Handler.new)
Sacramento
Los Angeles

流處理示例中要注意的一件事情是，標(biāo)記屬性被作為一組數(shù)組傳遞， 它要處理的工作比起散列要稍微多一點（但可能在庫中創(chuàng)建會更快）。

編碼問題
REXML所有文本節(jié)點中都是以UTF-8編碼的，所有調(diào)用的代碼都要注意這一點，在程序中，傳遞給REXML的字符串必須是經(jīng)過UTF-8編碼的。

REXML不可能總是正確猜測出你的文本的編碼方式，所以它總是假定為UTF-8編碼。同時，如果你試圖添加其他編碼方式的文本，REXML不會發(fā) 出警告。添加者必須保證自己添加的是UTF-8的文本。如果添加標(biāo)準(zhǔn)的ASCII 7位編碼，是沒有關(guān)系的。如果使用ISO8859-1文本，必須在添加之前轉(zhuǎn)換為UTF-8編碼。可以使用text.unpack("C").pack("U")。變更編碼進行輸出，只有Document.write()和Document.to_s() 支持。如果需要輸出特定編碼的節(jié)點，必須用Output把輸出對象包裝起來。

e = Element.new "a/>"
e.text = "f\xfcr"  # ISO-8859-1 '??'
o = ''
e.write( Output.new( o, "ISO-8859-1" ) )

可以向Output傳遞任何支持的編碼。