首先，让我介绍一下 Ruby 语言。这里，我不能完全保证能使不熟悉 Ruby 的读 者快速掌握这种语言 ― 既然如此，我建议参阅 参考资料中的文章。 但我自己作为一名学习 Ruby 语言的程序员，我可以让您了解它为什么很有趣。 Ruby 是一种脚本语言，曾经被描述为“更好的 Perl”。此外，每一种更新的脚本语言可能也都被这样描述过，包括 Python。 当从完全 Smalltalk 式的 OOP 态度来看，对于 Ruby，描述变得更为确切，不是说 Perl 出了什么错（这是没有对某种语言的攻击），而是说 Ruby 保留了 Perl 的许多简明性及其许多捷径。 而且（至少对我而言），Ruby 达到了简明性， 而且还避免了在某些 Perl 代码中发现的“可执行行噪声”质量问题。同时， 与 Python 版本相比，许多 Ruby 结构“感觉”更直接（即使它们并没有真正节省太多总体长度）。

REXML 是由 Sean Russell 编写的库。它不是 Ruby 的唯一 XML 库，但它是很受欢迎的一个，并且是用纯 Ruby 编写（ NQXML 也是用 Ruby 编写的， 但 XMLParser 封装了用 C 编写的 Jade 库）。 在他的 REXML 概述中，Russell 评论道：

我有这样的问题：我不喜欢令人困惑的 API。有几种用于 Java 实现的 XML 解析器 API。其中大多数都遵循 DOM 或 SAX，并且在基本原理上与不断出现的众多 Java API 非常相似。也就是说，它们看 上去象是由从未使用过他们自己的 API 的理论家设计出来的。 通常，现有的 XML API 都很令人讨厌。他们采用一种被明确设计成非常简单、一流且功能强大的标记语言， 然后用讨厌的、过多的和大型 API 对它进行封装。甚至是为了进行最基本的 XML 树操作，我总是不得不参考 API 文档； 没有任何东西是凭直觉的，而且几乎每个操作都很复杂。

虽然我并不认为它有多么令人心烦，但我同意 Russell 的观点：XML API 对于大多数使用它们的人来说无疑带来了过多的工作量。

使容易的事情变得更容易

我猜想处理 XML 文档的所有程序员中有 80% 真正需要的只是一种提取数据并 将它们作为结构化的数据容易地进行操作的方法。DOM 使这一事情变得困难，而 SAX 使 它变得更困难。在前几篇文章中，我提倡我自己的 Python xml_objectify 模块的清晰性和简明性。让我使用文件 address.xml （它描述一个地址簿）来快速重复一个示例。

>>> from xml_objectify import XML_Objectify
>>> addressbook = XML_Objectify('address.xml').make_instance()
>>> print addressbook.person[1].address.city
New York

我们需要略微知道一点数据的格式……但不必很多（有关本文中使用的样本文档， 请参阅 参考资料）。我们需要知道文档的根元素是地址 簿（但它的名称不必是 <addressbook> ）。而且我们需要知道该文档可以列出多人（但是，如果只有一个人， 他可以作为 addressbook.person 或 addressbook.person[0] 来引用，那样也不会发生错误）。 从概念上讲，还需要知道人有地址，地址有城市。 知道这些就够用了！

相反，DOM ― 它将其本身标榜为 OOP 化的 XML ― 却要我们完成所有的操作步骤。第一个难题涉及根元素； 要完成这个任务至少有五种不同的方法可以想到：

>>> from xml.dom import minidom
>>> dom = minidom.parse('address.xml')
>>> dom.firstChild
<DOM Element: addressbook at 1811436>
>>> dom._get_documentElement()
<DOM Element: addressbook at 1811436>
>>> dom._get_firstChild()
<DOM Element: addressbook at 1811436>
>>> dom.getElementsByTagName('addressbook')[0]
<DOM Element: addressbook at 1811436>
>>> dom.childNodes[0]
<DOM Element: addressbook at 1811436>

您还必须对究竟什么是方法、什么是属性做一些猜测（或在手边放一本手册）。 假设我们知道需要根元素，则 ._get_documentElement() 方法可能 是最好的选择。现在，如果我们想要向下找到第二个人的城市，就象 xml_objectify 示例中那样，应该怎么做呢？

>>> addressbook = dom._get_documentElement()
>>> print addressbook.getElementsByTagName('person')[1].\
.. getElementsByTagName('address')[0].getAttribute('city')
New York

这种样式相当冗长，但或许是最接近的 DOM 等价样式。 您可以直接使用 .childNodes 属性数组来保存一些字符， 但这种样式是脆弱的，例如，如果 <addressbook> 有子元素， 而 <person> 没有的话。您还必须知道一些本质细节， city 是元素属性，而不是子标记内容（任何一种方法都可能对正在讨论的基本数据有意义）。

回页首

以树方式使用 REXML

REXML 的目的是 正好够用。在最大程度上，它能很好地完成任务。 实际上， REXML 支持两种不同样式的 XML 处理 ― “树”和“流”。 第一种样式是 DOM 所尝试要做的更简单的版本；第二种样式是 SAX 所尝试要做的更简单的版本。 让我们先研究树样式。假设我们要提取上一个示例中的同一个地址簿文档。 下面的示例来自我所创建的经修改的 eval.rb ； 标准 eval.rb （链接到 Ruby 教程）可以根据对复杂对象的表达式求值显示非常长的计算结果 ― 我的 eval.rb 在没有错误发生的情况下不作出反应：

ruby> require "rexml/document"
ruby> include REXML
ruby> addrbook = (Document.new File.new "address.xml").root
ruby> persons = addrbook.elements.to_a("//person")
ruby> puts persons[1].elements["address"].attributes["city"]
New York

这个表达式很普通。 .to_a() 方法创建文档中所有 <person> 元素的数组，在其它命名中它可能是有用的。 元素有点象 DOM 节点，但它其实更接近于 XML 本身（而且使用起来也更简单）。 .to_a() 的参数是 XPath，在这种情况下，可以标识文档中任何地方的所有 <person> 元素。如果我们只需要第一层上的元素，可以使用：

ruby> persons = addrbook.elements.to_a("/addressbook/person")

我们甚至可以更直接地将 XPath 用作 .elements 属性的重载索引。例如：

ruby> puts addrbook.elements["//person[2]/address"].attributes["city"]
New York

请注意，XPath 使用基于 1 的索引，不象 Ruby 和 Python 数组使用基于 0 的索引。换句话说， 它仍是我们正在检查其所在城市的同一个人。通过查看 REXML 请注意，XPath 使用基于 1 的索引，不象 Ruby 和 Python 数组使用基于 0 的索引。换句话说， 它仍是我们正在检查其所在城市的同一个人。通过查看

ruby> puts addrbook.elements["//person[2]/address"]
<address city='New York' street='118 St.' number='344' state='NY'/>
ruby> puts addrbook.elements["//person[2]/contact-info"]
<contact-info>
  <email address='robb@iro.ibm.com'/>
  <home-phone number='03-3987873'/>
</contact-info>

此外，XPath 不必只与一个元素匹配。我们已在定义 persons 数组时看见过，但另一个示例强调了这一点：

ruby> puts addrbook.elements.to_a("//person/address[@state='CA']")
<address city='Sacramento' street='Spruce Rd.' number='99' state='CA'/>
<address city='Los Angeles' street='Pine Rd.' number='1234' state='CA'/>

与此相反， .elements 属性的索引只产生 第一个匹配的元素：

ruby> puts addrbook.elements["//person/address[@state='CA']"]
<address city='Sacramento' street='Spruce Rd.' number='99' state='CA'/>
ruby> puts addrbook.elements.to_a("//person/address[@state='CA']")[0]
<address city='Sacramento' street='Spruce Rd.' number='99' state='CA'/>

也可以通过 REXML 中的 XPath 类使用 XPath 地址， 它具有诸如 .first() 、 .each() 和 .match() 这样的方法。

REXML 元素的一个独特的惯用方法是 .each 迭代器。虽然 Ruby 有一个可对集合进行操作的循环结构 for ， 但 Ruby 程序员通常更喜欢使用迭代器方法来将控制传递给代码块。下面的两种结构是等价的， 但第二种结构有更为自然的 Ruby 感觉：

ruby> for addr in addrbook.elements.to_a("//address[@state='CA']")
    |    puts addr.attributes["city"]
    | end
Sacramento
Los Angeles
ruby> addrbook.elements.each("//address[@state='CA']") {
    |    |addr| puts addr.attributes["city"]
    | }
Sacramento
Los Angeles

回页首

以流方式使用 REXML

出于“正好够用”的目的， REXML 的树方式可能是 Ruby 语言最简单的方法。 但 REXML 还提供了一种流方式，它象是 SAX 的更轻量级的变体。 正如使用 SAX 一样， REXML 没有向应用程序程序员提供来自 XML 文档的缺省数据结构。 相反，“listener”或“handler”类负责提供响应文档流中各种事件的一组方法。 以下是常用集合：开始标记、结束标记、遇到的元素文本等等。

虽然流方式远远没有象以树方式工作那样容易，但通常它的速度要快很多。 REXML 教程声称流方式的速度要快 1500倍。 虽然我没有尝试过对它进行基准测试，但我猜想这是一种有限的情况（我的小示例在树方式中也是瞬间完成的）。 总之，如果速度要紧，那么速度上的差异很可能是显著的。

让我们研究一个非常简单的示例，它所做的事情与上面的“列出加州城市”示例相同。 对它进行扩展以用于复杂的文档处理相对比较简单：

ruby> require "rexml/document"
ruby> require "rexml/streamlistener"
ruby> include REXML
ruby> class Handler
    |    include StreamListener
    |    def tag_start name, attrs
    |       if name=="address" and attrs.assoc("state")[1]=="CA"
    |          puts attrs.assoc("city")[1]
    |       end
    |    end
    | end
ruby> Document.parse_stream((File.new "address.xml"), Handler.new)
Sacramento
Los Angeles

流处理示例中要注意的一件事情是，标记属性被作为一组数组传递， 它要处理的工作比起散列要稍微多一点（但可能在库中创建会更快）。

回页首

结束语

这篇文章研究了另外一种比起 DOM、SAX 和 XSLT 麻烦的 API 更轻量级的替代方法。 连同前几篇文章中研究的 xml_objectify 、PYX 和 HaXml 选项一起，Ruby 程序员还得到了一种处理 XML 的快速方法，而不必经历陡峭的学习曲线。

参考资料

• 您可以参阅本文在 developerWorks 全球站点上的 英文原文.
  
  
• Maya Stodte 为 IBM developerWorks 编写了 Ruby 简介，但已经过了两年，Ruby 在这段时间内已有一定的发展。
  
  
• Joshua Drake 也编写了一篇描述一些 基本 Ruby 结构的较新文章。
  
  
• 幸运的是，Ruby 在其网站上有一个极好的 教程。 语言参考和其它文档也值得一读。
  
  
• 我还阅读了 O'Reilly 出版的题为 Ruby in a Nutshell的书籍， 由 Ruby 创建人 Yukihiro Matsumoto 所著。作为一名学习 Ruby 的程序员，我承认： 这本书很适合我，但可能不太适合更有经验的 Ruby 用户。 尽管如此，我仍认为这本书“没有被十分完整翻译”（原著是用日文写的）。 虽然作为参考这本书组织得很好，但有许多描述仍让我无法确定语言中那些偶尔的微妙之处。
  
  
• REXML 主页包含一个非常好的教程， 它并不完整，但它可以很好地帮助您尽快熟悉。
  
  
• 请访问有关 Ruby 和 XML 的新闻和讨论的 网站。
  
  
• 可以从 http://gnosis.cx/download/address.xml找到本文中使用的地址簿示例。
  
  
• 最后，请了解一下 IBM WebSphere Studio Application Developer， 这是一个易于使用的集成开发环境，可用于构建、测试和部署 J2EE 应用程序，包括从 DTD 和模式生成 XML 文档。
  
  

关于作者

David Mertz 希望一切都变得美好。可以通过 mertz@gnosis.cx 与 David 联系；在 http://gnosis.cx/publish/上详细介绍了他的生活。 欢迎对过去的、这一篇和以后的专栏文章提出意见和建议。

为本文评分

评论

回页首

内容

• 使容易的事情变得更容易
• 以树方式使用 REXML
• 以流方式使用 REXML
• 结束语
• 参考资料
• 关于作者
• 建议