greifen Ich möchte ein paar tausend XML-Dateien von einer Website analysieren (ich habe die Erlaubnis) und müssen SAX verwenden, um zu vermeiden, die Datei im Speicher zu laden. Dann speichern Sie sie in einer CSV-Datei.Wie man Element Inhalt mit Nokogiri mit SAX
Die XML-Dateien wie folgt aussieht:
<?xml version="1.0" encoding="UTF-8"?><educationInfo xmlns="http://skolverket.se/education/info/1.2" xmlns:ct="http://skolverket.se/education/commontypes/1.2" xmlns:nya="http://vhs.se/NyA-emil-extensions" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" expires="2013-08-01" id="info.uh.su.HIA80D" lastEdited="2011-10-13T10:10:05" xsi:schemaLocation="http://skolverket.se/education/info/1.2 educationinfo.xsd">
<titles>
<title xml:lang="sv">Arkivvetenskap</title>
<title xml:lang="en">Archival science</title>
</titles>
<identifier>HIA80D</identifier>
<educationLevelDetails>
<typeOfLevel>uoh</typeOfLevel>
<typeOfResponsibleBody>statlig</typeOfResponsibleBody>
<academic>
<course>
<type>avancerad</type>
</course>
</academic>
</educationLevelDetails>
<credits>
<exact>60</exact>
</credits>
<degrees>
<degree>Ingen examen</degree>
</degrees>
<prerequisites>
<academic>uh</academic>
</prerequisites>
<subjects>
<subject>
<code source="vhs">10.300</code>
</subject>
</subjects>
<descriptions>
<ct:description xml:lang="sv">
<ct:text>Arkivvetenskap rör villkoren för befintliga arkiv och modern arkivbildning med fokus på arkivarieyrkets arbetsuppgifter: bevara, tillgängliggöra och styra information. Under ett år behandlas bl a informations- och dokumenthantering, arkivredovisning, gallring, lagstiftning och arkivteori. I kursen ingår praktik, där man under handledning får arbeta med olika arkivarieuppgifter.</ct:text>
</ct:description>
</descriptions>
</educationInfo>
ich diese Code-Vorlage zu verwenden, meine Kommentare für Fragen prüfen:
class InfoData < Nokogiri::XML::SAX::Document
def initialize
# do one-time setup here, called as part of Class.new
# But what should I use hashes or arrays?
end
def start_element(name, attributes = [])
# check the element name here and create an active record object if appropriate
# How do I grab specific element like: ct:text ?
# how do I grab root-element?
end
def characters(s)
# save the characters that appear here and possibly use them in the current tag object
end
def end_element(name)
# check the tag name and possibly use the characters you've collected
# and save your activerecord object now
end
end
parser = Nokogiri::XML::SAX::Parser.new(InfoData.new)
# How do I parse every xml-link?
parser.parse_file('')
ich diese Methode schrieb die Links zu packen, aber don‘ t wissen, in der Klasse, wo es zu benutzen, oder wenn ich es dort verwenden soll:
@items = Set.new
def get_links(url)
doc = Nokogiri::HTML(open(url))
doc.xpath('//a/@href').each do |url|
item = {}
item[:url] = url.content
items << item
end
Wenn dieses XML-Beispiel eine vollständige XML-Datei ist, würde ich das DOM anstatt SAX verwenden, weil es ein bisschen einfacher ist. Heutzutage haben die meisten Hosts mehrere Gigabyte RAM, was SAX weniger wichtig macht. BIG-XML-Dateien werden von SAX schneller verarbeitet, aber Ihre Entwicklungszeit wird wahrscheinlich länger dauern. –
@theTinMan Ich habe versucht, es mit DOM zu analysieren und es wird nicht funktionieren. es über 46000 xml Dateien. Der richtige Weg, um SAX-Parsing zu verwenden. – SHUMAcupcake