使用 nokogiri 从 document.xml 访问深层嵌套节点

Question

我正在使用 nokogiri 访问 docx 文档 xml 文件。

这是它的一个示例：

<w:document>
    <w:body>
        <w:p w:rsidR="00454EDC" w:rsidRDefault="00454EDC" w:rsidP="00454EDC">
                <w:drawing>
                    <wp:inline distT="0" distB="0" distL="0" distR="0">
                        <wp:extent cx="1926590" cy="1088571"/>
                        <wp:effectExtent l="0" t="0" r="0" b="0"/>
                        <wp:docPr id="1" name="Picture 1"/>
                        <wp:cNvGraphicFramePr>
                            <a:graphicFrameLocks xmlns:a="http://schemas.openxmlformats.org/drawingml/2006/main" noChangeAspect="1"/>
                        </wp:cNvGraphicFramePr>
                        <a:graphic xmlns:a="http://schemas.openxmlformats.org/drawingml/2006/main">
                            <a:graphicData uri="http://schemas.openxmlformats.org/drawingml/2006/picture">
                                <pic:pic xmlns:pic="http://schemas.openxmlformats.org/drawingml/2006/picture">
                                    <pic:nvPicPr>
                                        <pic:cNvPr id="0" name="Picture 1"/>
                                        <pic:cNvPicPr>
                                            <a:picLocks noChangeAspect="1" noChangeArrowheads="1"/>
                                        </pic:cNvPicPr>
                                    </pic:nvPicPr>
                                    <pic:blipFill>
                                        <a:blip r:embed="rId5" cstate="print">
                                            <a:extLst>
                                                <a:ext uri="{28A0092B-C50C-407E-A947-70E740481C1C}">
                                                    <a14:useLocalDpi xmlns:a14="http://schemas.microsoft.com/office/drawing/2010/main" val="0"/>
                                                </a:ext>
                                            </a:extLst>
                                        </a:blip>
                                        <a:srcRect/>
                                        <a:stretch>
                                            <a:fillRect/>
                                        </a:stretch>
                                    </pic:blipFill>
                                    <pic:spPr bwMode="auto">
                                        <a:xfrm>
                                            <a:off x="0" y="0"/>
                                            <a:ext cx="1951299" cy="1102532"/>
                                        </a:xfrm>
                                        <a:prstGeom prst="rect">
                                            <a:avLst/>
                                        </a:prstGeom>
                                        <a:noFill/>
                                        <a:ln>
                                            <a:noFill/>
                                        </a:ln>
                                    </pic:spPr>
                                </pic:pic>
                            </a:graphicData>
                        </a:graphic>
                    </wp:inline>
                </w:drawing>
            </w:p>
    </w:body>
</w:document>

现在我想访问所有 <w:drawing> 标签，我想从它们访问 <a:blip> 标签并从中提取 r:embed 的属性值。

在这种情况下，如您所见，它是 rId5

我可以使用 xml.xpath('//w:drawing') 访问 <w:drawing> 标签，但是当我这样做时 xml.xpath('//w:drawing').xpath('//a:blip')，它会抛出错误：

Nokogiri::XML::XPath::SyntaxError: Undefined namespace prefix: //a:blip

我做错了什么，谁能指出我正确的方向？

Answer 1

我会说这是您正在使用的 xml 解析器中的错误：

确实，错误似乎是命名空间前缀 a 未定义，然而，它已在 <a:graphic xmlns:a="http://schemas.openxmlformats.org/drawingml/2006/main"> 中定义，它是 <a:blip> 元素的父元素。

See here if you want to know more about xml namespaces

似乎是关于nokogiri中命名空间前缀问题的其他一些问题，例如：Undefined namespace prefix in Nokogiri and XPath

Answer 2

错误告诉您，在您的 XPath 查询 //a:blip 中，Nokogiri 不知道名称空间 a 指的是什么。您需要指定您在查询中定位的名称空间，而不仅仅是前缀。文档中定义的前缀 a 并不重要，重要的是实际的命名空间 URI。只要命名空间 URI 匹配，就可以在查询中使用与文档中使用的前缀完全不同的前缀。

您可能想知道为什么查询 //w:drawing 有效。您没有包含完整的 XML，但我怀疑 w 前缀是在根节点上定义的（类似于 xmlns:w="http://some.uri.here"）。如果你没有指定任何命名空间，Nokogiri 将自动注册根节点中定义的任何命名空间，以便它们在你的查询中可用。对应于 a 前缀的命名空间未在根上定义，因此它不可用，因此您会看到您看到的错误。

要在 Nokogiri 中指定命名空间，您需要传递一个散列，将前缀（在查询中使用）映射到命名空间 URI，再到 xpath 方法（或哪个您正在使用的任何查询方法）。由于您要提供自己的命名空间映射，因此还需要包含您从根节点使用的任何内容，Nokogiri 在这种情况下不包含它们。

在你的例子中，代码看起来像这样：

namespaces = {
  'w' => 'http://some.uri', # whatever the URI is for this namespace
  'a' => 'http://schemas.openxmlformats.org/drawingml/2006/main'
}

# You can combine this to a single query.
# Also note you don’t want a double slash infront of
# the `/a:blip` part, just one.
xml.xpath('//w:drawing/a:blip', namespaces)

查看 Nokogiri tutorial section on namespaces 了解更多信息。

使用 nokogiri 从 document.xml 访问深层嵌套节点

Access deep nested node from document.xml using nokogiri

ruby

xml

docx

nokogiri

xml-parsing