Ruby on rails - 使用 SAX Parser 获取多个子节点

Question

我有一个大型本地XML文件（24 GB），其结构如下：

<id>****</id>
<url> ****</url> (several times within an id...)

我需要这样的结果：

id1;url1
id1;url2
id1;url3
id2;url4
....

我想将Nokigiri与SAX解析器或阅读器一起使用，因为我无法将整个文件加载到内存中。我正在使用Ruby Rake任务来执行代码。

我的 SAX 代码是：

task :fetch_saxxml => :environment do
  require 'nokogiri'
  require 'open-uri'
  class MyDocument < Nokogiri::XML::SAX::Document
    attr_accessor :is_name
    def initialize
      @is_name = false
    end
    def start_element name, attributes = []
      @is_name = name.eql?("id")
    end
    def characters string
      string.strip!
      if @is_name and !string.empty?
        puts "ID: #{string}"
      end
    end
    def end_document
      puts "the document has ended"
    end
  end
  parser = Nokogiri::XML::SAX::Parser.new(MyDocument.new)
  parser.parse_file('/path_to_my_file.xml')
end

为了获取文件中的 ID，这很好，但我也需要在每个 id 节点中获取 URL。

如何在该代码中放置类似"each do"的内容以获取 URL 并具有如上所示的输出？或者是否可以在"字符"中调用多个操作？

Answer 1

实际上，这是一个在多个节点发生时解析它们的解决方案。SAX 解析器的问题在于，您必须找到一种方法来处理特殊字符，如"&"等...但那是另一回事了。

这是我的代码：

class MyDoc < Nokogiri::XML::SAX::Document
  def start_element name, attrs = []
    @inside_content = true if name == 'yourvalue'
    @current_element = name
  end

  def characters str
    if @current_element == 'your_1st subnode'
    elsif @current_element == 'your 2nd subnode'

    end
    puts "#{@current_element} - #{str}" if @inside_content && %w{your_subnodes here}.include?(@current_element)
  end
  def end_element name
    @inside_content = false if name == 'yourvalue'
    @current_element = nil
  end
end
parser = Nokogiri::XML::SAX::Parser.new(MyDoc.new)
parser.parse_file('/path_to_your.xml')
end