Nokogiri Gem analysieren pflegt die Datei SAX-Handler

Question

I XML-Datei mit Kopf

<?xml version="1.0" encoding="utf-16"?> 

und enthält auch sie die

<transmission xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns:xsd="http://www.w3.org/2001/XMLSchema"> 

haben, wenn der SAX-Parser verwendet, es wird nicht analysieren. Aber wenn manuell entfernt den Codierungsteil und die Attribute nach der Übertragung, XML-Parsing-Erfolg. Da die Datei groß ist, kann ich nur SAX verwenden. Gibt es eine andere Möglichkeit, diese XML-Datei zu analysieren, ohne die Kodierungs- und Übertragungsattribute manuell zu entfernen.

Beispielcode ist

 require 'nokogiri' 
     include Nokogiri 



class P < Nokogiri::XML::SAX::Document 

     def initialize 
     end 

     def start_element(element, attributes = []) 
     puts element 
     end 

     def cdata_block(string) 
     end 

     def characters(string) 
     end 

     def end_element(element) 
     puts element 
     end 
end 

    parser = Nokogiri::XML::SAX::Parser.new(P.new()) 
    parser.parse_file('file_dummy.xml') 

Answer 1

Nach zahlreichen Empfehlungen. Ich habe die Antwort bekommen. Es ist die Antwort von @ thetinman.Aber nicht vollständig absorbiert. Verwendete einen sed-Befehl, um utf-16 durch utf-8 zu ersetzen und die Datei zu analysieren. Warum brauche ich die Sed-Operation ist Nokogiri verursacht Problem mit dieser UTF-16

Answer 2

Versuchen Sie, die Suite von SAX-Methoden implementiert werden und sehen, was Sie bekommen:

require 'nokogiri' 

class MyDoc < Nokogiri::XML::SAX::Document 
    def cdata_block(str) 
    puts "cdata_block: #{str}" 
    end 

    def characters(str) 
    puts "characters: #{str}" 
    end 

    def comment(str) 
    puts "comment: #{str}" 
    end 

    def end_element(str) 
    puts "end_element: #{str}" 
    end 

    def end_document 
    puts "end_document" 
    end 

    def end_element_namespace(name, prefix = nil, uri = nil) 
    puts "end_element_namespace: name: #{name} prefix: #{prefix} uri: #{uri}" 
    end 

    def error(str) 
    puts "error:#{str}" 
    end 

    def processing_instruction(name, content) 
    puts "processing_instruction: name: #{name} content: #{content}" 
    end 

    def start_document 
    puts "start_document" 
    end 

    def start_element(str, attrs = []) 
    puts "start_element: #{str} attrs: #{attrs}" 
    end 

    def start_element_namespace(name, attrs=[], prefix=nil, uri=nil, ns=[]) 
    puts "start_element_namespace: name: #{name} attrs: #{attrs} prefix: #{prefix} uri: #{uri} ns: #{ns}" 
    end 

    def warning(str) 
    puts "warning: #{str}" 
    end 

    def xmldecl(version, encoding, standalone) 
    puts "xmldecl: version: #{version} encoding: #{encoding} standalone: #{standalone}" 
    end 
end 

parser = Nokogiri::XML::SAX::Parser.new(MyDoc.new) 
parser.parse(File.open(ARGV[0])) 

speichern, die ein Skript und führen Sie es mit:

ruby path/to/script.rb path/to/file.xml 

Sie sollten die Ausgabe sehen. Zum Beispiel mit dem folgenden als eine einfachen XML-Datei:

<?xml version="1.0"?> 
<catalog> 
    <book id="bk101"> 
     <author>Gambardella, Matthew</author> 
     <title>XML Developer's Guide</title> 
     <genre>Computer</genre> 
     <price>44.95</price> 
     <publish_date>2000-10-01</publish_date> 
     <description>An in-depth look at creating applications 
     with XML.</description> 
    </book> 
</catalog> 

bekomme ich folgende Ausgabe:

xmldecl: version: 1.0 encoding: standalone: 
start_document 
start_element_namespace: name: catalog attrs: [] prefix: uri: ns: [] 
characters: 

start_element_namespace: name: book attrs: [#<struct Nokogiri::XML::SAX::Parser::Attribute localname="id", prefix=nil, uri=nil, value="bk101">] prefix: uri: ns: [] 
characters: 

start_element_namespace: name: author attrs: [] prefix: uri: ns: [] 
characters: Gambardella, Matthew 
end_element_namespace: name: author prefix: uri: 
characters: 

start_element_namespace: name: title attrs: [] prefix: uri: ns: [] 
characters: XML Developer's Guide 
end_element_namespace: name: title prefix: uri: 
characters: 

start_element_namespace: name: genre attrs: [] prefix: uri: ns: [] 
characters: Computer 
end_element_namespace: name: genre prefix: uri: 
characters: 

start_element_namespace: name: price attrs: [] prefix: uri: ns: [] 
characters: 44.95 
end_element_namespace: name: price prefix: uri: 
characters: 

start_element_namespace: name: publish_date attrs: [] prefix: uri: ns: [] 
characters: 2000-10-01 
end_element_namespace: name: publish_date prefix: uri: 
characters: 

start_element_namespace: name: description attrs: [] prefix: uri: ns: [] 
characters: An in-depth look at creating applications 
     with XML. 
end_element_namespace: name: description prefix: uri: 
characters: 

end_element_namespace: name: book prefix: uri: 
characters: 
end_element_namespace: name: catalog prefix: uri: 
end_document