Ruby的XML格式数据解析库Nokogiri的使用进阶
一、基础语法 Nokogiri 是 Ruby 里处理 XML/HTML 的利器，上手其实非常直观。核心思路就一句话：把文本或文件变成可查询的对象，然后通过各种方式取数据。先看三种最常见的对象生成方式。 直接在代码里写字符串就行，Nokogiri 会自动解析成文档对象： html_doc = Noko
一、基础语法
Nokogiri 是 Ruby 里处理 XML/HTML 的利器，上手其实非常直观。核心思路就一句话：把文本或文件变成可查询的对象，然后通过各种方式取数据。先看三种最常见的对象生成方式。
直接在代码里写字符串就行，Nokogiri 会自动解析成文档对象：
html_doc = Nokogiri::HTML("Mr. Belvedere Fan Club
")
xml_doc = Nokogiri::XML("Alf
这里的 html_doc 和 xml_doc 就是标准的 Nokogiri 文档对象，后面所有操作都基于它。
当然，也可以从本地文件读取：
f = File.open("blossom.xml")
doc = Nokogiri::XML(f)
f.close
更常见的场景是从网上抓取页面，配合 open-uri 一行搞定：
require 'open-uri'
doc = Nokogiri::HTML(open("http://www.xxx.com/"))
二、XML 文件解析实例
拿到文档对象后，最核心的需求就是提取特定字段。Nokogiri 提供了两种查询方式：XPath 和 CSS 选择器。下面用一个典型的数据文件 shows.xml 来演示，内容如下：
Married with Children Al Bundy Bud Bundy Marcy Darcy Perfect Strangers Larry Appleton Balki Bartokomous The A-Team John "Hannibal" Smith Templeton "Face" Peck "B.A." Baracus "Howling Mad" Murdock
如果想抓出所有 //character 即可：
@doc = Nokogiri::XML(File.open("shows.xml"))
@doc.xpath("//character")
这里的 xpath 和 css 方法返回的都是节点列表（类似数组），包含了文档中所有匹配的节点。
如果只想查 dramas 里的角色，可以加路径限制：
@doc.xpath("//dramas//character")
CSS 选择器的可读性更好，比如查所有情景剧的名称：
characters = @doc.css("sitcoms name")
# => ["Married with Children ", "Perfect Strangers "]
当结果唯一时，直接用 at_xpath 或 at_css 可以省去 .first：
@doc.css("dramas name").first # => "The A-Team "
@doc.at_css("dramas name") # => "The A-Team "
三、Namespaces
当 XML 里出现多个同名标签但属于不同命名空间时，命名空间就显得格外重要。举个例子，下面这个 parts.xml 里有两个
all weather studded extra wide street mountain
这时可以用唯一的 URL 作为命名空间前缀来区分：
@doc = Nokogiri::XML(File.read("parts.xml"))
car_tires = @doc.xpath('//car:tire', 'car' => 'http://alicesautoparts.com/')
bike_tires = @doc.xpath('//bike:tire', 'bike' => 'http://bobsbikes.com/')
有趣的是，Nokogiri 会自动绑定根节点上找到的命名空间，这让日常使用省了不少事。比如一个标准的 Atom 订阅文件：
Example Feed 2003-12-13T18:30:02Z John Doe urn:uuid:60a76c80-d399-11d9-b93C-0003939e0af6 Atom-Powered Robots Run Amok urn:uuid:1225c695-cfb8-4ebb-aaaa-80da344efa6a 2003-12-13T18:30:02Z Some text.
由于根节点的 xmlns 已被自动绑定，可以直接用 xmlns 这个前缀来查询：
@doc.xpath('//xmlns:title')
# => ["Example Feed ", "Atom-Powered Robots Run Amok "]
CSS 方式也类似，只需要换用管道符分隔：
@doc.css('xmlns|title')
更省事的是，如果命名空间名字就是 xmlns，连前缀都可以忽略，直接写标签名：
@doc.css('title')
这就是 Nokogiri 处理命名空间的便捷之处——多数情况下，你甚至感觉不到它的存在。
正软商城本月促销专区，汇集办公、设计、安全、影音、系统工具及AI软件等正版软件优惠活动，提供限时折扣、特价授权和优惠购买信息，活动库存及价格以页面实时展示为准。
正软商城装机必备专区，精选办公、浏览器、安全防护、影音播放、压缩解压、设计创作和系统工具等电脑常用正版软件，帮助用户快速完成新电脑软件配置。
正软商城Windows软件专区，汇集适用于Windows电脑的办公、设计、安全防护、影音播放、开发工具和系统优化软件，提供软件介绍、系统要求、正版授权及购买下载服务。
正软商城macOS软件专区，精选适用于Mac电脑的办公、设计、影音、效率、开发和系统工具，提供软件功能介绍、macOS兼容版本、正版授权及购买下载服务。
正软商城iOS软件专区，精选适用于iPhone和iPad的办公、学习、影音、设计、效率及AI应用，提供功能介绍、适用设备、系统要求和正版获取方式等信息。
正软商城AI软件专区，汇集AI写作、AI绘画、AI视频、AI办公、AI编程、AI翻译、智能客服和数据分析等人工智能工具，提供功能介绍、适用平台、收费方式及正版购买信息。
正软商城PDF教程频道提供PDF编辑、转换、合并、拆分、压缩及格式处理方法，同时介绍常用PDF软件和工具的使用技巧。
赤友清理大师是一款为 Mac 设计的智能清理优化工具，可精准扫描垃圾、大文件、重复文件等，释放磁盘空间。做扫描整理、文字提取和表格转换时，它能把识别后的处理步骤接得更顺，资料录入这类场景会省下不少时间。
极度公式是一款跨平台专业LaTeX公式识别编辑软件，支持OCR公式识别和多平台编辑。和使用说明，避免使用，享受完整功能与稳定支持。做扫描整理、文字提取和表格转换时，它能把识别后的处理步骤接得更顺，资料录入这类场景会省下不少时间。
一款文字处理软件，一种订阅式的跨平台办公软件，基于云平台提供多种服务，通过将 Excel 和 Outlook 等应用与 OneDrive 和 Microsoft Teams 等强大的云服务相结合，Office 365 可让任何人使用任何设备随时随地创建和共享内容。
CodeExpander 是一款快捷短语输入增强工具，通过键入缩写自动展开为自定义文段，提升工作效率。任务管理和过程控制会更完整，持续下载、批量同步或需要稳定传输流程的场景会更适合它。
Mountain Duck 是一款能将多个网盘挂载到本地的工具，像本地磁盘一样使用网盘。清理链路的完整性会更好一些，做应用卸载、残留处理和空间整理时，通常能少走很多手动排查步骤。
极度公式是一款跨平台专业LaTeX公式识别编辑软件，支持OCR公式识别和多平台编辑。和使用说明，避免使用，享受完整功能与稳定支持。做扫描整理、文字提取和表格转换时，它能把识别后的处理步骤接得更顺，资料录入这类场景会省下不少时间。
一款文字处理软件，一种订阅式的跨平台办公软件，基于云平台提供多种服务，通过将 Excel 和 Outlook 等应用与 OneDrive 和 Microsoft Teams 等强大的云服务相结合，Office 365 可让任何人使用任何设备随时随地创建和共享内容。
Wise Folder Hider Pro 是一款专业级文件和文件夹隐藏加密软件，为私密数据添加多重保护。高频操作更强调就近处理，浏览、整理和跨目录移动文件时，来回切换和重复点击都会少很多。
CodeExpander 是一款快捷短语输入增强工具，通过键入缩写自动展开为自定义文段，提升工作效率。任务管理和过程控制会更完整，持续下载、批量同步或需要稳定传输流程的场景会更适合它。
Mountain Duck 是一款能将多个网盘挂载到本地的工具，像本地磁盘一样使用网盘。清理链路的完整性会更好一些，做应用卸载、残留处理和空间整理时，通常能少走很多手动排查步骤。
