Какую библиотеку Ruby XML вы бы порекомендовали для файла размером 2,4 МБ?

У меня есть файл размером 2,4 МБ XML, экспорт из Microsoft Project (эй, я здесь жертва!), Из которого меня просят извлечь некоторые детали для повторного представления. Не обращая внимания на интеллект или иные аспекты запроса, какую библиотеку мне следует сначала попробовать с точки зрения Ruby?

Я знаю следующее (без определенного порядка):

Я бы предпочел что-то упакованное как драгоценный камень Ruby, что, как я подозреваю, не в библиотеке Chilkat.

Производительность не является серьезной проблемой - я не ожидаю, что вещь должна запускаться чаще, чем раз в день (более вероятно, раз в неделю). Меня больше интересует то, что так же легко использовать, как и все, что связано с XML.

РЕДАКТИРОВАТЬ: Я попробовал драгоценные из них:

hpricot, на милю страны, самый легкий. Например, чтобы извлечь содержимое тега SaveVersion в этот XML-файл (сохраненный в файле с именем, скажем, "test.xml")

<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<Project xmlns="http://schemas.microsoft.com/project">
    <SaveVersion>12</SaveVersion>
</Project>

занимает что-то вроде этого:

doc = Hpricot.XML(open('test.xml'))
version = (doc/:Project/:SaveVersion).first.inner_html

Кажется, что hpricot относительно не связан с пространствами имен, что в этом примере хорошо: есть только один, но потенциально может быть проблема со сложным документом. Поскольку hpricot также очень медленный, я скорее представляю, что эта проблема решается сама собой.

libxml-ruby на порядок быстрее, понимает пространства имен (мне понадобилось пару часов, чтобы понять это) и в целом намного ближе к металлу XML - запросы XPath и все остальное есть. Это не обязательно хорошо, если, как и я, вы открываете XML-документ только в условиях крайней необходимости. Вспомогательный модуль был в основном полезен для предоставления примеров того, как эффективно обрабатывать пространство имен по умолчанию. Это примерно то, чем я закончил (я ни в коем случае не утверждаю его красоту, правильность или другую ценность, это просто то, где я сейчас нахожусь):

xml_parser = XML::Parser.new
xml_parser.string = File.read(path)
doc = xml_parser.parse
@root = doc.root
@scopes = { :in_node => '', :in_root => '/', :in_doc => '//' }
@ns_prefix = 'p'
@ns = "#{@ns_prefix}:#{@root.namespace[0].href}"
version = @root.find_first(xpath_qry("Project/SaveVersion", :in_root), @ns).content.to_i

def xpath_qry(tags, scope = :in_node)
  "#{@scopes[scope]}" + tags.split(/\//).collect{ |tag| "#{@ns_prefix}:#{tag}"}.join('/')
end

Я до сих пор спорю о плюсах и минусах: libxml за его дополнительную строгость, hpricot за чистый стиль кода _why.

РЕДАКТИРОВАТЬ снова, несколько позже: я обнаружил HappyMapper ('gem install happymapper'), который очень перспективен, хотя все еще находится на ранней стадии. Это декларативно и в основном работает, хотя я заметил несколько крайних случаев, к которым у меня еще нет исправлений. Это позволяет вам делать такие вещи, которые анализирует мой Google Reader OPML:

module OPML
  class Outline
    include HappyMapper
    tag 'outline'
    attribute :title, String
    attribute :text, String
    attribute :type, String
    attribute :xmlUrl, String
    attribute :htmlUrl, String
    has_many :outlines, Outline
  end
end

xml_string = File.read("google-reader-subscriptions.xml")

sections = OPML::Outline.parse(xml_string)

Я уже люблю это, хотя это еще не идеально.

Источник

2 ответа

Решение

Hpricot, вероятно, лучший инструмент для вас - он прост в использовании и должен обрабатывать 2 мг файла без проблем.

Speedwise libxml должен быть лучшим. Я использовал привязку libxml2 для python несколько месяцев назад (в тот момент rb-libxml был устаревшим). Потоковый интерфейс работал лучше всего для меня (LibXML::XML::Reader в ruby ​​gem). Он позволяет обрабатывать файл во время загрузки, немного более удобен для пользователя, чем SAX, и позволяет мне загружать данные из 30-мегабайтного XML-файла из Интернета в базу данных MySQL чуть более чем за минуту.

Источник

Nokogiri оборачивает libxml2 и libxslt чистым Rubyish API, который поддерживает пространства имен, запросы XPath и CSS3. Быстро тоже. http://nokogiri.org/

Источник
Другие вопросы по тегам