Ruby使用REXML库来解析xml格式数据的方法

在 Ruby 的世界里，处理 XML 有一个非常轻量的选择——REXML。它完全用 Ruby 编写，不到 2000 行代码，却提供了完整的 API 支持。需要明确的是，REXML 内置在 Ruby 中，开箱即用，无需额外安装。它的核心解析方式有两种：DOM-like 和 SAX-like。前者将整个文件读入内存并构建成树形结构，适合中小型文件；后者则是“边解析边处理”，当文件特别大、内存有限时，SAX 方式才是更靠谱的选择。

来看一个具体的例子。假设有一个 XML 文件 movies.xml，内容如下：

 
 War, Thriller
 DVD
 2003
 PG
 10
 Talk about a US-Japan war
 
 
 Anime, Science Fiction
 DVD
 1989
 R
 8
 A schientific fiction
 
 
 Anime, Action
 DVD
 4
 PG
 10
 Vash the Stampede!
 
 
 Comedy
 VHS
 PG
 2
 Viewable boredom
 

先用 DOM 方式解析。REXML 的 DOM 接口直接映射 XML 文档为树，操作起来非常直观：

require 'rexml/document'
include REXML
xmlfile = File.new("movies.xml")
xmldoc = Document.new(xmlfile)
root = xmldoc.root
puts "Root element : " + root.attributes["shelf"]
xmldoc.elements.each("collection/movie"){
 |e| puts "Movie Title : " + e.attributes["title"]
}
xmldoc.elements.each("collection/movie/type") {
 |e| puts "Movie Type : " + e.text
}
xmldoc.elements.each("collection/movie/description") {
 |e| puts "Movie Description : " + e.text
}

如果需要对 XML 进行更灵活的查询，XPath 是更好的选择。REXML 内置了 XPath 支持，可以快速定位节点：

require 'rexml/document'
include REXML
xmlfile = File.new("movies.xml")
xmldoc = Document.new(xmlfile)
movie = XPath.first(xmldoc, "//movie")
p movie
XPath.each(xmldoc, "//type") { |e| puts e.text }
names = XPath.match(xmldoc, "//format").map {|x| x.text }
p names

行文至此，代码足够应对日常场景。但还有一件事不得不提——REXML 的安全隐患。Ruby 官方在 2008 年 8 月 23 日发布安全通告指出，REXML 在解析具有嵌套递归元素的 XML 文件时，存在拒绝服务攻击的缺陷，可能导致服务器资源耗尽。如果你在 Rails 应用中使用了 XML 解析，需要及时修复：

针对不同 Rails 版本的修复方式：

• Rails 2.0.2 及更早版本：下载修复文件，将其拷贝到 RAILS_ROOT/lib 目录，并在 environment.rb 中添加 require 'rexml-expansion-fix'。
• Rails 2.1.0 及以上版本：下载修复文件，拷贝到 RAILS_ROOT/config/initializers 目录即可。

这些细节平时可能用不到，但真碰上问题的时候就来不及临时查了。记一笔，以备不时之需。