昨日の続き-XMLの読み出し

require 'pp'
require 'kconv'
require 'rexml/document'
include REXML

doc = REXML::Document.new File.open("newsing.xml","r")
arr1 = []

doc.root.elements.each("//item") do |item|
  item.elements.each do |elem|
    arr2 = []
    arr2 << elem.text.tosjis if elem.has_text? && elem.name != "comments"
    if elem.name == "comments"
      elem.elements.each(".//comment") do |comment|
        arr3 = []
        comment.elements.each do |elem|
          arr3 << elem.text.tosjis if elem.has_text?
        end
        arr2 << arr3
      end
    end
    arr1 << arr2
  end
end
pp arr1

#=> [[url1,title2...,[comment1]],[url2,title2...[comment2]]...]

昨日と違うのは#elementsメソッドをつけてelementsクラスに変更→#eachメソッドを使えるようにして、XPATHで要素を取り出してるってことかな。多少分かりやすくなってるはず。

…まぁ長考した結果全然構成変わってないじゃん、とツッコミ受けそうだけど、細かくしすぎても後々分かりにくいので取りあえずこれをベースにすることにする。(これよりコード量を少なくしようとすると、XMLの方を変更しないといけないのかなぁ。)

参考

名前指定でコードを取り出すロジックも作ってみました。

require 'pp'
require 'kconv'
require 'rexml/document'
include REXML

doc = REXML::Document.new File.open("newsing.xml","r")
arr1 = []

doc.root.each_element do |elem|
  arr2 = []
  arr2 << elem.elements["url"].text
  arr2 << elem.elements["title"].text
  arr2 << elem.elements["main_text"].text
  arr2 << elem.elements["picker"].text
  arr2 << elem.elements["picktime"].text
  arr2 << elem.elements["picktime"].text
  arr2 << elem.elements["pick_com"].text
  arr2 << elem.elements["picker_eval"].text
  arr2 << elem.elements["pt"].text
  if elem.elements["comments"]
    elem.elements["comments"].each_element do |elem|
      arr3 = []
      arr3 << elem.elements["commenter"].text
      arr3 << elem.elements["comtime"].text
      arr3 << elem.elements["com_eval"].text
      arr3 << elem.elements["com_text"].text
      arr3 << elem.elements["nicecomment"].text
      arr2 << arr3
    end
  end
  arr1 << arr2
end
pp arr1

いちいち "if elem.has_text?" って書くのが面倒になって挫折したけど、こっちの方が分かりやすいかもしれない。

# 配列の出力はppで出すのがお勧めです。

ちょっくらXPathの勉強

リファレンスとかあまり読まない僕ですが(←だめじゃん)、「対象ノードのコメント一覧を抽出する方法」を調べるためにがんばって読んでみた。

データベース連携からシステム統合まで、企業システムの「つなぐ」を実現｜インフォテリア株式会社

これによると、

elem.elements.each("//comment") # rootノード以下の全てのcommentという子孫エレメント
elem.elements.each(".//comment") # コンテキスト(カレント)ノード以下の全てのcommentという子孫エレメント

らしいです。REXMLの使い方だけじゃなくXPathの知識と合わせて使わないといけないんだね＞＜