如何使Nokogiri在中使用CDATA解析XML

Question

我有一个具有此内容的XML文件：

<DATA>
    <NAME>&lt;![CDATA[FIRSTNAME LASTNAME MIDDLENAME ]]&gt;</NAME>
    <NUM>3731</NUM>
    <person_type>4</person_type>
    <birth_date>&lt;![CDATA[01.11.1992]]&gt;</birth_date>
    <DESCRIPTION>&lt;![CDATA[DESCRIPTION]]&gt;</DESCRIPTION>
</DATA>

我试图用Nokogiri解析它，但是没有CDATA我无法获得内容。

我的解析器脚本：

require 'nokogiri'

doc = Nokogiri::XML(File.open("test2.xml"))
root = doc.root

puts root['DATE']

doc.xpath('//DATA').each do |terr|
  puts "\nName: "+terr.xpath('NAME').text
end

这是我得到的：

Name: <![CDATA[FIRSTNAME LASTNAME MIDDLENAME ]]>

如何去除结果中的“ ![CDATA[”？

我认为这完全是关于实体<和>，而不是<和>，但我无法让Nokogiri对它们进行任何处理。

Answer 1

您的输入包含转义的<和>字符（<和>）。当您使用字符而不是HTML实体时，一切都会按预期进行：

input = "<DATA>
    <NAME><![CDATA[FIRSTNAME LASTNAME MIDDLENAME ]]></NAME>
    <NUM>3731</NUM>
    <person_type>4</person_type>
    <birth_date><![CDATA[01.11.1992]]></birth_date>
    <DESCRIPTION><![CDATA[DESCRIPTION]]></DESCRIPTION>
</DATA>"
doc = Nokogiri::XML(input)
doc.xpath('//DATA/NAME').text

=> "FIRSTNAME LASTNAME MIDDLENAME "

doc.xpath('//DATA').each do |terr|
  puts "\nName: "+terr.xpath('NAME').text
end

=> Name: FIRSTNAME LASTNAME MIDDLENAME

要摆脱HTML实体，可以在输入中调用CGI.unescapeHTML：

doc = Nokogiri::XML(CGI.unescapeHTML(File.read("test2.xml")))