从文档访问深度嵌套节点.xml使用 nokogiri

Question

我正在使用nokogiri访问docx的文档xml文件。

下面是一个示例：

<w:document>
    <w:body>
        <w:p w:rsidR="00454EDC" w:rsidRDefault="00454EDC" w:rsidP="00454EDC">
                <w:drawing>
                    <wp:inline distT="0" distB="0" distL="0" distR="0">
                        <wp:extent cx="1926590" cy="1088571"/>
                        <wp:effectExtent l="0" t="0" r="0" b="0"/>
                        <wp:docPr id="1" name="Picture 1"/>
                        <wp:cNvGraphicFramePr>
                            <a:graphicFrameLocks xmlns:a="http://schemas.openxmlformats.org/drawingml/2006/main" noChangeAspect="1"/>
                        </wp:cNvGraphicFramePr>
                        <a:graphic xmlns:a="http://schemas.openxmlformats.org/drawingml/2006/main">
                            <a:graphicData uri="http://schemas.openxmlformats.org/drawingml/2006/picture">
                                <pic:pic xmlns:pic="http://schemas.openxmlformats.org/drawingml/2006/picture">
                                    <pic:nvPicPr>
                                        <pic:cNvPr id="0" name="Picture 1"/>
                                        <pic:cNvPicPr>
                                            <a:picLocks noChangeAspect="1" noChangeArrowheads="1"/>
                                        </pic:cNvPicPr>
                                    </pic:nvPicPr>
                                    <pic:blipFill>
                                        <a:blip r:embed="rId5" cstate="print">
                                            <a:extLst>
                                                <a:ext uri="{28A0092B-C50C-407E-A947-70E740481C1C}">
                                                    <a14:useLocalDpi xmlns:a14="http://schemas.microsoft.com/office/drawing/2010/main" val="0"/>
                                                </a:ext>
                                            </a:extLst>
                                        </a:blip>
                                        <a:srcRect/>
                                        <a:stretch>
                                            <a:fillRect/>
                                        </a:stretch>
                                    </pic:blipFill>
                                    <pic:spPr bwMode="auto">
                                        <a:xfrm>
                                            <a:off x="0" y="0"/>
                                            <a:ext cx="1951299" cy="1102532"/>
                                        </a:xfrm>
                                        <a:prstGeom prst="rect">
                                            <a:avLst/>
                                        </a:prstGeom>
                                        <a:noFill/>
                                        <a:ln>
                                            <a:noFill/>
                                        </a:ln>
                                    </pic:spPr>
                                </pic:pic>
                            </a:graphicData>
                        </a:graphic>
                    </wp:inline>
                </w:drawing>
            </w:p>
    </w:body>
</w:document>

现在我想访问所有<w:drawing>标签，我想从中访问<a:blip>标签并从中提取 r：embed 的属性值。

在这种情况下，如您所见，它是rId5

我可以使用xml.xpath('//w:drawing')访问<w:drawing>标签，但是当我xml.xpath('//w:drawing').xpath('//a:blip')这样做时，它会抛出错误：

Nokogiri::XML::XPath::SyntaxError: Undefined namespace prefix: //a:blip

我做错了什么，谁能指出我正确的方向？

Answer 1

错误告诉您，在 XPath 查询中，//a:blip ，Nokogiri 不知道a指的是什么命名空间。您需要指定查询中的目标命名空间，而不仅仅是前缀。前缀a在文档中定义的事实并不重要，重要的是实际的命名空间 URI。可以在查询中使用与文档中使用的前缀完全不同的前缀，只要命名空间 URI 匹配即可。

您可能想知道为什么查询//w:drawing有效。您没有包含完整的XML，但我怀疑w前缀是在根节点上定义的(类似于xmlns:w="http://some.uri.here"(。如果未指定任何命名空间，Nokogiri 将自动注册根节点中定义的任何命名空间，以便它们在查询中可用。与a前缀对应的命名空间未在根上定义，因此它不可用，因此会出现看到的错误。

若要在 Nokogiri 中指定命名空间，请传递哈希，将前缀(在查询中使用(映射到命名空间 URI，映射到xpath方法(或正在使用的任何查询方法(。由于您提供自己的命名空间映射，因此还需要包含从根节点使用的任何映射，在这种情况下，Nokogiri 不包括它们。

在您的情况下，代码将如下所示：

namespaces = {
  'w' => 'http://some.uri', # whatever the URI is for this namespace
  'a' => 'http://schemas.openxmlformats.org/drawingml/2006/main'
}
# You can combine this to a single query.
# Also note you don’t want a double slash infront of
# the `/a:blip` part, just one.
xml.xpath('//w:drawing/a:blip', namespaces)

有关详细信息

，请查看有关命名空间的 Nokogiri 教程部分。

Answer 2

我会

说这是您正在使用的 xml 解析器中的一个错误：

事实上，错误似乎是命名空间前缀a未定义，但是，它已在 <a:graphic xmlns:a="http://schemas.openxmlformats.org/drawingml/2006/main"> 中定义，它是 <a:blip> 元素的父级。

如果您想了解有关 xml 命名空间的更多信息，请参阅此处

它们似乎是关于nokogiri中命名空间前缀问题的其他一些问题，例如： Nokogiri和XPath中未定义的命名空间前缀