根据命名空间前缀删除 nokogiri 属性

Question

我正在使用 nokogiri 来解析 XML 文件。文件中的一些节点具有特定于命名空间的属性：

<metadata xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:opf="http://www.idpf.org/2007/opf">
    <dc:identifier id="iden" opf:scheme="ISBN">xxxx</dc:identifier>
    <dc:creator opf:role="aut" opf:file-as="Name">xxxx</dc:creator>
    <dc:date opf:event="publication">xxxx</dc:date>
    <dc:publisher>xxxx</dc:publisher>
    <meta name="cover" content="x"/>
</metadata>

我正在尝试删除任何带有 "opf" 前缀的属性。我遇到过基于部分匹配查找属性 value 的 xpath 解决方案，但是当它是属性名称本身的部分匹配时呢？我尝试了很多没有用的东西。我做了一件简单的事情，只是试图至少提取属性名称，但如果我这样做：

elements = @doc.at_xpath('//xmlns:metadata').children
elements.each { |el|
    el.attributes.each { |attribute|
        if attribute[1].namespace_scopes[1].prefix == "opf"
            puts attribute[0]
        end
    }   
}

我最终得到：

id
scheme
role
file-as
event
name
content

但我只想要带有 "opf" 前缀的那些（"opf:scheme"、"opf:role, "opf:file-as"、"opf:event"），这样它们就可以被删除, 不触及任何其他属性。我什至试图通过硬编码我知道存在的属性来强制它：

opf_attributes = ["opf:file-as","opf:scheme","opf:role","opf:event"]
elements.each  { |el|
    opf_attributes.each { |x|
        el.remove_attribute(x) if el[x] != nil
    }
}

这不是解决此问题的最明智方法，但这仍然行不通。节点没有任何变化，属性保持原样。（我不知道这是否值得注意，但如果我改用 remove_attr(x) 方法，我会收到此错误：undefined method 'remove_attr' for #<Nokogiri::XML::Element:0x...>

那么，我的问题是：
有没有更清晰的方法

根据部分匹配查找属性 and/or 命名空间前缀，然后
从包含它们的节点中删除这些属性？

Answer 1

节点对象有一个 remove 方法将它们从树中删除，所以你可以这样写：

require 'nokogiri'

doc  = Nokogiri::XML(DATA)
puts '--- Before'
puts doc.to_s

doc.traverse do |node|
  next unless node.respond_to? :attributes
  node.attributes.each do |key, val|
    val.remove if val&.namespace&.prefix == 'opf'
  end
end

puts
puts '--- After'
puts doc.to_s

__END__
<metadata xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:opf="http://www.idpf.org/2007/opf">
    <dc:identifier id="iden" opf:scheme="ISBN">xxxx</dc:identifier>
    <dc:creator opf:role="aut" opf:file-as="Name">xxxx</dc:creator>
    <dc:date opf:event="publication">xxxx</dc:date>
    <dc:publisher>xxxx</dc:publisher>
    <meta name="cover" content="x"/>
</metadata>

并查看以下输出：

➜  ~ ruby test.rb
--- Before
<?xml version="1.0"?>
<metadata xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:opf="http://www.idpf.org/2007/opf">
    <dc:identifier id="iden" opf:scheme="ISBN">xxxx</dc:identifier>
    <dc:creator opf:role="aut" opf:file-as="Name">xxxx</dc:creator>
    <dc:date opf:event="publication">xxxx</dc:date>
    <dc:publisher>xxxx</dc:publisher>
    <meta name="cover" content="x"/>
</metadata>

--- After
<?xml version="1.0"?>
<metadata xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:opf="http://www.idpf.org/2007/opf">
    <dc:identifier id="iden">xxxx</dc:identifier>
    <dc:creator>xxxx</dc:creator>
    <dc:date>xxxx</dc:date>
    <dc:publisher>xxxx</dc:publisher>
    <meta name="cover" content="x"/>
</metadata>

注意如果您使用的 Ruby 版本不支持 &. 您将需要处理潜在的命名空间 nil.

Answer 2

我相信这要简单得多：

doc.xpath('//@opf:*', { opf: "http://www.idpf.org/2007/opf" }).each(&:remove)

//搜索任何后代节点，@表示它必须是一个属性节点，opf:结合命名空间定义（{ opf: "http://www.idpf.org/2007/opf" }）表示什么命名空间它必须属于，并且 * 匹配任何名称。

请注意 opf: 本身没有任何意义； "http://www.idpf.org/2007/opf" 确实如此，而 opf 只是其范围内的 shorthand。 .xpath('//@foobar:*', { foobar: "http://www.idpf.org/2007/opf" }) 也适用于您的情况。

由于您在根目录上定义了名称空间，并且它在文档中没有更改，因此您可以简化为

doc.xpath('//@opf:*', doc.namespaces).each(&:remove)

但请注意，这通常不安全（例如，可以在子节点上定义命名空间）。 doc.collect_namespaces 更安全一些，但即使那样你也不是完全安全的（例如，如果相同的前缀用于文档不同部分的两个不同 URI）。我会选择第一个（显式 URI），除非我真的亲眼看到了 XML 并且知道前缀的定义和使用位置和方式。

tl;dr：前缀没有任何意义，而是指关联的 URI。

根据命名空间前缀删除 nokogiri 属性

Remove nokogiri attribute based on namespace prefix

ruby

xml

xpath

namespaces

nokogiri