Rails Hash.from_xml没有给出预期的结果

尝试处理来自TeleForm应用程序的一些XML。这是一个表单扫描软件，它获取数据并将其放入XML中。这是XML 的一个片段

<?xml version="1.0" encoding="ISO-8859-1"?>
<Records>
  <Record>
    <Field id="ImageFilename" type="string" length="14"><Value>00000022000000</Value></Field>
    <Field id="Criterion_1" type="number" length="2"><Value>3</Value></Field>
    <Field id="Withdrew" type="string" length="1"></Field>
  </Record>
  <Record>
    <Field id="ImageFilename" type="string" length="14"><Value>00000022000001</Value></Field>
    <Field id="Criterion_1" type="number" length="2"><Value>3</Value></Field>
    <Field id="Withdrew" type="string" length="1"></Field>
  </Record>
</Records>

我在另一个系统中处理过这个问题，可能使用了我们编写的自定义解析器。我以为这在Rails中不会有问题，但我错了。

用Hash.from_xml或Nokogiri解析它并没有给我预期的结果，我得到了：

{"Records"=>{"Record"=>[{"Field"=>["", {"id"=>"Criterion_1", "type"=>"number", "length"=>"2", "Value"=>"3"}, ""]},
 {"Field"=>["", {"id"=>"Criterion_1", "type"=>"number", "length"=>"2", "Value"=>"3"}, ""]}]}}

在花了太多时间之后，我发现如果我去掉了类型和长度属性，我会得到我期望的结果（即使它是错误的！我只删除了第一个记录节点）。

{"Records"=>{"Record"=>[{"Field"=>[{"id"=>"ImageFilename", "Value"=>"00000022000000"}, 
{"id"=>"Criterion_1", "type"=>"number", "length"=>"2", "Value"=>"3"}, {"id"=>"Withdrew"}]}, 
{"Field"=>["", {"id"=>"Criterion_1", "type"=>"number", "length"=>"2", "Value"=>"3"}, ""]}]}}

由于不精通XML，我认为这种使用类型和长度属性的XML风格正试图转换为数据类型。在这种情况下，我可以理解为什么"Withdraw"属性显示为空，但不理解为什么"ImageFilename"是空的——它是一个14个字符的字符串。

我已经解决了gsub的问题，但这是无效的XML吗？添加DTD（TeleForm应该提供）会给我不同的结果吗？

编辑

我将为我自己的问题提供一个可能的答案，并提供一些代码作为编辑。代码遵循了我从Mark Thomas那里收到的一个答案中的一些功能，但我决定不使用Nokogiri，原因如下：

xml是一致的，并且总是包含相同的标记（/Record/Record/Field）和属性
每个XML文件中可能有几百条记录，而Nokogiri似乎有点慢，只有26条记录
我想好了如何获得Hash.from_xml来提供我所期望的（不喜欢type="string"，但只使用哈希来填充一个类

XML的扩展版本，带有一个完整的记录

<?xml version="1.0" encoding="ISO-8859-1"?>
<Records>
  <Record>
    <Field id="ImageFilename" type="string" length="14"><Value>00000022000000</Value></Field>
    <Field id="DocID" type="string" length="15"><Value>731192AIINSC</Value></Field>
    <Field id="FormID" type="string" length="6"><Value>AIINSC</Value></Field>
    <Field id="Availability" type="string" length="18"><Value>M  T  W  H  F  S</Value></Field>
    <Field id="Criterion_1" type="number" length="2"><Value>3</Value></Field>
    <Field id="Criterion_2" type="number" length="2"><Value>3</Value></Field>
    <Field id="Criterion_3" type="number" length="2"><Value>3</Value></Field>
    <Field id="Criterion_4" type="number" length="2"><Value>3</Value></Field>
    <Field id="Criterion_5" type="number" length="2"><Value>3</Value></Field>
    <Field id="Criterion_6" type="number" length="2"><Value>3</Value></Field>
    <Field id="Criterion_7" type="number" length="2"><Value>3</Value></Field>
    <Field id="Criterion_8" type="number" length="2"><Value>3</Value></Field>
    <Field id="Criterion_9" type="number" length="2"><Value>3</Value></Field>
    <Field id="Criterion_10" type="number" length="2"><Value>3</Value></Field>
    <Field id="Criterion_11" type="number" length="2"><Value>0</Value></Field>
    <Field id="Criterion_12" type="number" length="2"><Value>0</Value></Field>
    <Field id="Criterion_13" type="number" length="2"><Value>0</Value></Field>
    <Field id="Criterion_14" type="number" length="2"><Value>0</Value></Field>
    <Field id="Criterion_15" type="number" length="2"><Value>0</Value></Field>
    <Field id="DayTraining" type="string" length="1"><Value>Y</Value></Field>
    <Field id="SaturdayTraining" type="string" length="1"></Field>
    <Field id="CitizenStageID" type="string" length="12"><Value>731192</Value></Field>
    <Field id="NoShow" type="string" length="1"></Field>
    <Field id="NightTraining" type="string" length="1"></Field>
    <Field id="Withdrew" type="string" length="1"></Field>
    <Field id="JobStageID" type="string" length="12"><Value>2292</Value></Field>
    <Field id="DirectHire" type="string" length="1"></Field>
  </Record>
</Records>

我只是在试验一个工作流原型，以取代用4D和Active4D编写的老化系统。处理TeleForms数据的这一领域是作为一个批处理操作实现的，它仍然可能恢复到那个领域。我只是试图将一些旧的可行概念合并到一个新的Rails实现中。XML文件位于共享服务器上，可能需要移动到web根目录中，然后设置一些触发器来处理文件。

我仍处于定义阶段，但我处理面试表单的模块/类看起来是这样的，可能会发生变化（几乎没有错误捕获，仍在尝试进行测试，在使用Rails大约5年后，我的Ruby并没有达到应有的水平！）：

module Teleform::InterviewForm
  class Form < Prawn::Document
    # Not relevant to this question, but this class generates the forms from a Fillable PDF template and 
    # relavant Model(s) data.
    # These forms, when completed are what is processsed by TeleForms and produces the xml.
  end
  class RateForms
    attr_accessor  :records, :results
    def initialize(xml_path)
      fields = []
      xml = File.read(xml_path)
      # Hash.from_xml does not like a type of "string"
      hash = Hash.from_xml(xml.gsub(/type="string"/,'type="text"'))
      hash["Records"]["Record"].each do |record|
        #extract the field form each record
        fields << record["Field"]
      end
      @records = []
      fields.each do |field|
        #build the records for the form
        @records << Record.new(field)
      end
      @results = rate_records
    end
    def rate_records
      # not relevant to the qustions but this is where the data is processed and a bunch of stuff takes place
      return "Any errors"
    end
  end

  class Record
    attr_accessor(*[:image_filename, :doc_id, :form_id, :availability, :criterion_1, :criterion_2, 
      :criterion_3, :criterion_4, :criterion_5, :criterion_6, :criterion_7, :criterion_8, 
      :criterion_9, :criterion_10, :criterion_11, :criterion_12, :criterion_13, :criterion_14, :criterion_15, 
      :day_training, :saturday_training, :citizen_stage_id, :no_show, :night_training, :withdrew, :job_stage_id, :direct_hire])
    def initialize(fields)
      fields.each do |field|
        if field["type"] == "number"
          try("#{field["id"].underscore.to_sym}=", field["Value"].to_i)
        else
          try("#{field["id"].underscore.to_sym}=", field["Value"])
        end
      end
    end
  end
end

感谢您添加额外信息，说明这是对受访者的评分。在你的代码中使用这些域信息可能会改善它。你还没有发布任何代码，但通常使用域对象会产生更简洁、更可读的代码。我建议创建一个表示Rating的简单类，而不是将数据从XML转换为数据结构。

class Rating
  attr_accessor :image_filename, :criterion_1, :withdrew
end

使用上面的类，这里有一种使用Nokogiri从XML中提取字段的方法。

doc = Nokogiri::XML(xml)
ratings = []
doc.xpath('//Record').each do |record|
    rating = Rating.new
    rating.image_filename = record.at('Field[@id="ImageFilename"]/Value/text()').to_s
    rating.criterion_1 = record.at('Field[@id="Criterion_1"]/Value/text()').to_s
    rating.withdrew = record.at('Field[@id="Withdrew"]/Value/text()').to_s
    ratings << rating
end

现在，ratings是Rating对象的列表，每个对象都有检索数据的方法。这比深入研究深层数据结构要干净得多。您甚至可以进一步改进Rating类，例如创建一个返回true或false的withdrew?方法。

与不可靠且不一致的Hash.from_xml实现相比，XmlSimple（由maik提供）似乎更适合此任务。

一个经过测试的同名perl模块的端口，它有几个显著的优点。

无论您发现一个节点出现一次还是多次，它都是一致的
不会阻塞和混淆结果
能够区分属性和节点内容

通过解析器运行上述相同的xml文档：

XmlSimple.xml_in xml

将产生以下结果。

{"Record"=>
  [{"Field"=>
     [{"id"=>"ImageFilename", "type"=>"string", "length"=>"14", "Value"=>["00000022000000"]},
      {"id"=>"DocID", "type"=>"string", "length"=>"15", "Value"=>["731192AIINSC"]},
      {"id"=>"FormID", "type"=>"string", "length"=>"6", "Value"=>["AIINSC"]},
      {"id"=>"Availability", "type"=>"string", "length"=>"18", "Value"=>["M  T  W  H  F  S"]},
      {"id"=>"Criterion_1", "type"=>"number", "length"=>"2", "Value"=>["3"]},
      {"id"=>"Criterion_2", "type"=>"number", "length"=>"2", "Value"=>["3"]},
      {"id"=>"Criterion_3", "type"=>"number", "length"=>"2", "Value"=>["3"]},
      {"id"=>"Criterion_4", "type"=>"number", "length"=>"2", "Value"=>["3"]},
      {"id"=>"Criterion_5", "type"=>"number", "length"=>"2", "Value"=>["3"]},
      {"id"=>"Criterion_6", "type"=>"number", "length"=>"2", "Value"=>["3"]},
      {"id"=>"Criterion_7", "type"=>"number", "length"=>"2", "Value"=>["3"]},
      {"id"=>"Criterion_8", "type"=>"number", "length"=>"2", "Value"=>["3"]},
      {"id"=>"Criterion_9", "type"=>"number", "length"=>"2", "Value"=>["3"]},
      {"id"=>"Criterion_10", "type"=>"number", "length"=>"2", "Value"=>["3"]},
      {"id"=>"Criterion_11", "type"=>"number", "length"=>"2", "Value"=>["0"]},
      {"id"=>"Criterion_12", "type"=>"number", "length"=>"2", "Value"=>["0"]},
      {"id"=>"Criterion_13", "type"=>"number", "length"=>"2", "Value"=>["0"]},
      {"id"=>"Criterion_14", "type"=>"number", "length"=>"2", "Value"=>["0"]},
      {"id"=>"Criterion_15", "type"=>"number", "length"=>"2", "Value"=>["0"]},
      {"id"=>"DayTraining", "type"=>"string", "length"=>"1", "Value"=>["Y"]},
      {"id"=>"SaturdayTraining", "type"=>"string", "length"=>"1"},
      {"id"=>"CitizenStageID", "type"=>"string", "length"=>"12", "Value"=>["731192"]},
      {"id"=>"NoShow", "type"=>"string", "length"=>"1"},
      {"id"=>"NightTraining", "type"=>"string", "length"=>"1"},
      {"id"=>"Withdrew", "type"=>"string", "length"=>"1"},
      {"id"=>"JobStageID", "type"=>"string", "lth"=>"12", "Value"=>["2292"]},
      {"id"=>"DirectHire", "type"=>"string", "length"=>"1"}]
  }]
}

我正在考虑解决这个问题，并为Hash提供from_xml的工作实现，并希望从其他得出相同结论的人那里找到一些反馈。当然，我们并不是唯一有这些挫折感的人。

与此同时，我们可能会从知道有比Nokogiri更轻的东西和它的全厨房水槽来完成这项任务中找到安慰。

nJoy！

相关内容

最新更新

热门标签：