Как извлечь данные из KML/XML?

Question

У меня есть некоторые данные, которые я преобразовал в XML из KML-файла, и мне было любопытно, как использовать PHP или Ruby, чтобы вернуть такие вещи, как имена и координаты соседства. Я знаю, когда у них есть тег вокруг них.

<cities> 
    <neighborhood>Gotham</neighborhood> 
</cities> 

но данные, к сожалению, в формате:

<SimpleData name="neighborhd">Colgate Center</SimpleData> 

вместо

<neighborhd>Colgate Center</neighborhd> 

Это является источником KML:

Как я могу использовать PHP или Ruby, чтобы вытащить данные из чего-то подобного? Я установил некоторые камни Ruby для анализа XML-данных, но XML - это то, с чем я не работал.

Answer 1

Ваш XML недопустим, но Nokogiri попытается его исправить.

Вот как проверить неверный XML/XHTML/HTML и как переписать раздел, который вы хотите.

Вот установка:

require 'nokogiri' 

doc = Nokogiri.XML(<<EOT) 
<?xml version="1.0" encoding="UTF-8"?> 
<kml xmlns="http://earth.google.com/kml/2.2" xmlns:atom="http://www.w3.org/2005/Atom"> 
    <Document> 
    <Schema name="Sample_Neighborhoods_Samples" id="Sample_Neighborhoods_Samples"> 
     <SimpleField type="int" name="nid"/> 
     <SimpleField type="string" name="neighborhd"/> 
     <SimpleField type="string" name="place"/> 
     <SimpleField type="string" name="placecode"/> 
     <SimpleField type="string" name="nbr_type"/> 
     <SimpleField type="string" name="po_name"/> 
     <SimpleField type="string" name="metro"/> 
     <SimpleField type="string" name="country"/> 
     <SimpleField type="string" name="state"/> 
     <SimpleField type="string" name="statefips"/> 
     <SimpleField type="string" name="county"/> 
     <SimpleField type="string" name="countyfips"/> 
     <SimpleField type="string" name="mcd"/> 
     <SimpleField type="string" name="mcdfips"/> 
     <SimpleField type="string" name="cbsa"/> 
     <SimpleField type="string" name="cbsacode"/> 
     <SimpleField type="string" name="cbsatype"/> 
     <SimpleField type="double" name="cenlat"/> 
     <SimpleField type="double" name="cenlon"/> 
     <SimpleField type="int" name="color"/> 
     <SimpleField type="string" name="ncs_code"/> 
     <SimpleField type="string" name="release"/> 
    </Schema> 
    <Style id="KMLSTYLER_6"> 
     <LabelStyle> 
     <scale>1.0</scale> 
     </LabelStyle> 
     <LineStyle> 
     <colorMode>normal</colorMode> 
     </LineStyle> 
     <PolyStyle> 
     <color>7f4080ff</color> 
     <colorMode>random</colorMode> 
     </PolyStyle> 
    </Style> 
    <name>Sample_Neighborhoods_NYC</name> 
    <visibility>1</visibility> 
    <Folder id="kml_ft_Sample_Neighborhoods_Samples"> 
     <name>Sample_Neighborhoods_Samples</name> 
     <Folder id="kml_ft_Sample_Neighborhoods_Samples_Sample_Neighborhoods_NYC"> 
     <name>Sample_Neighborhoods_NYC</name> 
     <Placemark id="kml_1"> 
      <name>Colgate Center</name> 
      <Snippet> </Snippet> 
      <styleUrl>#KMLSTYLER_6</styleUrl> 
      <ExtendedData> 
      <SchemaData schemaUrl="#Sample_Neighborhoods_Samples"> 
       <SimpleData name="nid">7086</SimpleData> 
       <SimpleData name="neighborhd">Colgate Center</SimpleData> 
       <SimpleData name="place">Jersey City</SimpleData> 
       <SimpleData name="placecode">36000</SimpleData> 
       <SimpleData name="nbr_type">S</SimpleData> 
       <SimpleData name="po_name">JERSEY CITY</SimpleData> 
       <SimpleData name="metro">New York City, NY</SimpleData> 
       <SimpleData name="country">USA</SimpleData> 
       <SimpleData name="state">NJ</SimpleData> 
       <SimpleData name="statefips">34</SimpleData> 
       <SimpleData name="county">Hudson</SimpleData> 
       <SimpleData name="countyfips">34017</SimpleData> 
       <SimpleData name="mcd">Jersey City</SimpleData> 
       <SimpleData name="mcdfips">36000</SimpleData> 
       <SimpleData name="cbsa">New York-Northern New Jersey-Long Island, NY-NJ-PA</SimpleData> 
       <SimpleData name="cbsacode">35620</SimpleData> 
       <SimpleData name="cbsatype">Metro</SimpleData> 
       <SimpleData name="cenlat">40.7145135000001</SimpleData> 
       <SimpleData name="cenlon">-74.0343385</SimpleData> 
       <SimpleData name="color">1</SimpleData> 
       <SimpleData name="ncs_code">40910000</SimpleData> 
       <SimpleData name="release">1.12.2</SimpleData> 
      </SchemaData> 
      </ExtendedData> 
      <Polygon> 
      <outerBoundaryIs> 
       <LinearRing> 
       <coordinates>-74.036628,40.712211,0 -74.0357779999999,40.7120810000001,0      -74.035535,40.7122010000001,0 -74.0348299999999,40.71209,0 -74.034903,40.711804,0 -74.033761,40.7116560000001,0 -74.0334089999999,40.7121090000001,0 -74.032996,40.7141330000001,0 -74.0331899999999,40.7141790000001,0 -74.032656,40.7162500000001,0 -74.032231,40.716194,0 -74.032049,40.716908,0 -74.033871,40.7170370000001,0 -74.035629,40.7173710000001,0 -74.035669,40.7171650000001,0 -74.036009,40.715335,0 -74.036325,40.713625,0 -74.036482,40.7123580000001,0 -74.036628,40.712211,0 </coordinates> 
       </LinearRing> 
      </outerBoundaryIs> 
      </Polygon> 
     </Placemark> 
     <Placemark id="kml_2"> 
      <name>Colgate Center</name> 
      <Snippet> </Snippet> 
      <ExtendedData> 
EOT 

Вот как посмотреть, если есть ошибки. Любое время, когда errors не пуст, у вас возникли проблемы.

puts doc.errors 

Вот один из способов найти SimpleData узлов по всему документу. Я предпочитаю использовать ассемблеры CSS по XPath для удобства чтения. Иногда XPath лучше, потому что он обеспечивает лучшую детализацию при поиске. Вам нужно изучить их обоих.

doc.search('ExtendedData SimpleData').each do |simple_data| 
    node_name = simple_data['name'] 
    puts "<%s>%s</%s>" % [node_name, simple_data.text.strip, node_name] 
end 

Вот результат после запуска:

Premature end of data in tag ExtendedData line 87 
Premature end of data in tag Placemark line 84 
Premature end of data in tag Folder line 44 
Premature end of data in tag Folder line 42 
Premature end of data in tag Document line 3 
Premature end of data in tag kml line 2 
<nid>7086</nid> 
<neighborhd>Colgate Center</neighborhd> 
<place>Jersey City</place> 
<placecode>36000</placecode> 
<nbr_type>S</nbr_type> 
<po_name>JERSEY CITY</po_name> 
<metro>New York City, NY</metro> 
<country>USA</country> 
<state>NJ</state> 
<statefips>34</statefips> 
<county>Hudson</county> 
<countyfips>34017</countyfips> 
<mcd>Jersey City</mcd> 
<mcdfips>36000</mcdfips> 
<cbsa>New York-Northern New Jersey-Long Island, NY-NJ-PA</cbsa> 
<cbsacode>35620</cbsacode> 
<cbsatype>Metro</cbsatype> 
<cenlat>40.7145135000001</cenlat> 
<cenlon>-74.0343385</cenlon> 
<color>1</color> 
<ncs_code>40910000</ncs_code> 
<release>1.12.2</release> 

Я не пытаюсь изменить DOM, но это легко сделать:

doc.search('ExtendedData SimpleData').each do |simple_data| 
    node_name = simple_data['name'] 
    simple_data.replace("<%s>%s</%s>" % [node_name, simple_data.text.strip, node_name]) 
end 

puts doc.to_xml 

После выполнения этого пораженный участок :

<ExtendedData> 
    <SchemaData schemaUrl="#Sample_Neighborhoods_Samples"> 
    <nid>7086</nid> 
    <neighborhd>Colgate Center</neighborhd> 
    <place>Jersey City</place> 
    <placecode>36000</placecode> 
    <nbr_type>S</nbr_type> 
    <po_name>JERSEY CITY</po_name> 
    <metro>New York City, NY</metro> 
    <country>USA</country> 
    <state>NJ</state> 
    <statefips>34</statefips> 
    <county>Hudson</county> 
    <countyfips>34017</countyfips> 
    <mcd>Jersey City</mcd> 
    <mcdfips>36000</mcdfips> 
    <cbsa>New York-Northern New Jersey-Long Island, NY-NJ-PA</cbsa> 
    <cbsacode>35620</cbsacode> 
    <cbsatype>Metro</cbsatype> 
    <cenlat>40.7145135000001</cenlat> 
    <cenlon>-74.0343385</cenlon> 
    <color>1</color> 
    <ncs_code>40910000</ncs_code> 
    <release>1.12.2</release> 
    </SchemaData> 
</ExtendedData>