Nokogiri pull 解析器 (Nokogiri::XML::Reader) 存在自关闭标签问题

Question

我有一个包含产品的巨大 XML（>400MB）。因此，使用 DOM 解析器被排除在外，所以我尝试使用拉解析器来解析和处理它。下面是来自 each_product(&block) 方法的片段，我在其中迭代产品列表。

基本上，使用堆栈，我将每个 转换为... 节点转换为哈希并对其进行处理。

while (reader.read)
  case reader.node_type
    #start element
    when Nokogiri::XML::Node::ELEMENT_NODE
      elem_name = reader.name.to_s
      stack.push([elem_name, {}])

    #text element
    when Nokogiri::XML::Node::TEXT_NODE, Nokogiri::XML::Node::CDATA_SECTION_NODE
      stack.last[1] = reader.value

    #end element
    when Nokogiri::XML::Node::ELEMENT_DECL
      return if stack.empty?

      elem = stack.pop
      parent = stack.last
      if parent.nil?
        yield(elem[1])
        elem = nil
        next
      end

      key = elem[0]
      parent_childs = parent[1]
    # ... 
      parent_childs[key] =  elem[1]
    end

问题在于自闭合标签（EG ），因为我无法区分“正常”标签和“自闭合”标签。它们都是 Nokogiri::XML::Node::ELEMENT_NODE 类型，我无法在 文档。

关于如何解决这个问题有什么想法吗？

Answer 1

项目页面上有一个关于此问题的功能请求（以及相应的测试失败）。

在它被修复并推送到当前版本之前，我们将坚持使用 good'ol

input_text.gsub! /<([^<>]+)\/>/, '<\1></\1>'

Answer 2

嘿，Vlad，我不是 Nokogiri 专家，但我做了一个测试，发现 self_looking?() 方法在确定自关闭标签方面效果很好。尝试一下。

PS：我知道这是一篇旧文章：P/文档是 这里