ruby - Nokogiri 不在 ruby​​ 中解析 XML - xmlns 问题？

Question

给定以下 ruby 代码:

require 'nokogiri'

xml = "<?xml version='1.0' encoding='UTF-8'?>
<ProgramList xmlns:xsi='http://www.w3.org/2001/XMLSchema-instance' xmlns:xsd='http://www.w3.org/2001/XMLSchema' xmlns='http://publisher.webservices.affili.net/'>
  <TotalRecords>145</TotalRecords>
  <Programs>
    <ProgramSummary>
      <ProgramID>6540</ProgramID>
      <Title>Matalan</Title>
      <Limitations>A bit of text
      </Limitations>
      <URL>http://www.matalan.co.uk</URL>
      <ScreenshotURL>http://www.matalan.co.uk/</ScreenshotURL>
      <LaunchDate>2009-11-02T00:00:00</LaunchDate>
      <Status>1</Status>
    </ProgramSummary>
    <ProgramSummary>
      <ProgramID>11787</ProgramID>
      <Title>Club 18-30</Title>
      <Limitations/>
      <URL>http://www.club18-30.com/</URL>
      <ScreenshotURL>http://www.club18-30.com</ScreenshotURL>
      <LaunchDate>2013-05-16T00:00:00</LaunchDate>
      <Status>1</Status>
    </ProgramSummary>
  </Programs>
</ProgramList>"

doc = Nokogiri::XML(xml)
p doc.xpath("//Programs")

给出:

=> []

不是预期的。

如果我删除 xmlns='http://publisher.webservices.affili.net/'，将进一步调查从最初的 <ProgramList>标签我得到了预期的输出。

确实，如果我改变 xmlns='http://publisher.webservices.affili.net/'至 xmlns:anything='http://publisher.webservices.affili.net/'我得到了预期的输出。

所以我的问题是这里发生了什么？这是格式错误的 XML 吗？处理它的最佳策略是什么？

虽然在这个例子中它是硬编码的，但 XML 是(将)来自网络服务。

更新

我意识到我可以使用 remove_namespaces!方法，但 Nokogiri 文档确实说它是 "...probably is not a good thing in general"去做这个。我也很想知道它为什么会发生以及“正确”的 XML 应该是什么。

Answer 1

xmlns='http://publisher.webservices.affili.net/' 表示default namespace对于它出现的元素下的所有元素(包括元素本身)。这意味着所有没有显式命名空间的元素都属于这个命名空间。

XPath 查询没有默认的命名空间(至少在 XPath 1.0 中是这样)，因此任何出现在一个没有前缀的名称中都指的是没有命名空间的元素。

在您的代码中，您希望在 http://publisher.webservices.affili.net/ 命名空间中找到 Program 元素(因为这是默认命名空间) ，但正在寻找(在您的 XPath 查询中)no 命名空间中的 Program 元素。

显式specify the namespace in the query ，你可以这样做:

doc.xpath("//pub:Programs", "pub" => "http://publisher.webservices.affili.net/")

Nokogiri 使在根元素上声明的 namespace (如本例)更容易一些，使用相同的前缀为您声明它们。它还将使用 xmlns 前缀声明默认 namespace ，因此您还可以:

doc.xpath("//xmlns:Programs")

这会给你相同的结果。