我有一个2.4 MB的XML文件，是Microsoft Project的导出文件(嘿，我是这里的受害者！)，请我从中提取某些详细信息以进行重新演示。忽略请求的智能或者其他方面，从Ruby的角度来看，我应该首先尝试哪个库？

我知道以下内容(无特定顺序)：

• REXML
• Chilkat Ruby XML库
• hpricot XML
• 的libXML

我更喜欢打包为Ruby gem的东西，我怀疑Chilkat库不是。

性能不是主要问题，我不希望它每天需要运行多次(更有可能一周一次)。我对与XML相关的东西一样容易使用的东西感兴趣。

编辑：我尝试了宝石：

距离国家一英里，hpricot最容易。例如，要提取此XML中SaveVersion标记的内容(保存在名为" test.xml"的文件中)

<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<Project xmlns="http://schemas.microsoft.com/project">
    <SaveVersion>12</SaveVersion>
</Project>

需要这样的事情：

doc = Hpricot.XML(open('test.xml'))
version = (doc/:Project/:SaveVersion).first.inner_html

hpricot似乎相对不关心名称空间，在此示例中这很好：只有一个名称空间，但是对于复杂的文档可能存在问题。由于hpricot也非常慢，因此我想这将是一个可以解决的问题。

libxml-ruby的速度提高了一个数量级，可以理解名称空间(花了我好几个小时才能弄清楚这一点)，并且与XML metal XPath查询和其他所有内容都更加接近。如果像我一样，仅在极端胁迫的情况下打开XML文档，这不一定是一件好事。 helper模块在提供有关如何有效处理默认名称空间的示例方面最有帮助。这大致就是我最终得到的结果(我丝毫没有断言它的美丽，正确性或者其他价值，这就是我现在的位置)：

xml_parser = XML::Parser.new
xml_parser.string = File.read(path)
doc = xml_parser.parse
@root = doc.root
@scopes = { :in_node => '', :in_root => '/', :in_doc => '//' }
@ns_prefix = 'p'
@ns = "#{@ns_prefix}:#{@root.namespace[0].href}"
version = @root.find_first(xpath_qry("Project/SaveVersion", :in_root), @ns).content.to_i

def xpath_qry(tags, scope = :in_node)
  "#{@scopes[scope]}" + tags.split(/\//).collect{ |tag| "#{@ns_prefix}:#{tag}"}.join('/')
end

我仍在争论利弊：libxml的额外严格性，hpricot的纯粹风格_why代码。

稍后再进行编辑：我发现HappyMapper('gem install happymapper')非常有前途，即使仍处于早期阶段。它是声明性的，并且大多数情况下都可以工作，尽管我发现了一些尚无修复的边缘案例。它可以让我们执行以下操作，从而解析我的Google Reader OPML：

module OPML
  class Outline
    include HappyMapper
    tag 'outline'
    attribute :title, String
    attribute :text, String
    attribute :type, String
    attribute :xmlUrl, String
    attribute :htmlUrl, String
    has_many :outlines, Outline
  end
end

xml_string = File.read("google-reader-subscriptions.xml")

sections = OPML::Outline.parse(xml_string)

我已经爱上了它，即使它还不完美。

解决方案

Hpricot可能是最适合工具-它易于使用，应该可以毫无问题地处理2mg文件。

Speedwise libxml应该是最好的。几个月前，我将libxml2绑定用于python(那时rb-libxml是过时的)。串流介面最适合我
(Ruby宝石中的LibXML :: XML :: Reader)。它允许在下载文件时对其进行处理，比SAX更加用户友好，并且允许我在超过一分钟的时间内将数据从30mb xml文件从互联网加载到MySQL数据库。

Nokogiri使用干净的Rubyish API包装libxml2和libxslt，该API支持名称空间，XPath和CSS3查询。也快。
http://nokogiri.org/