使用Ruby來處理文本的教程_ruby專題

與 Perl 和 Python 類似，Ruby 擁有出色的功能，是一種強大的文本處理語言。本文簡單介紹了 Ruby 的文本資料處理功能，以及如何使用 Ruby 語言有效處理不同格式的文本資料，無論是 CSV 資料還是 XML 資料。
Ruby 字串
常用縮減詞

•     CSV：逗號分隔值
•     REXML：Ruby Electric XML
•     XML：可延伸標記語言 (XML)

Ruby 中的 String 是容納、比較和操作文本資料的一種強大方法。在 Ruby 中，String 是一個類，可以通過調用 String::new 或向它分配一個字面值將它執行個體化。

向 Strings 賦值時，可以使用單引號（'）或雙引號（"）來包圍值。單引號和雙引號在為 Strings 賦值時有幾個差別。雙引號支援逸出序列使用一個前置反斜線（\）並支援在字串中使用 #{} 操作符計算運算式。而單引號引用的字串則是簡單直接的文字。

清單 1 是一個樣本。
清單 1. 處理 Ruby 字串：定義字串

message = 'Heal the World…'puts messagemessage1 = "Take home Rs #{100*3/2} "puts message1Output :# ./string1.rb# Heal the World…# Take home Rs 150

這裡，第一個字串使用一對單引號定義，第二個字串使用一對雙引號定義。在第二個字串中，#{} 中的運算式在顯示前計算。

另一種有用的字串定義方法通常用於多行字串定義。

從現在開始，我將使用互動式 Ruby 控制台 irb>> 進行說明。您的 Ruby 安裝也應該安裝該控制台。如果沒有安裝，建議您擷取 irb Ruby gem 並安裝它。Ruby 控制台是學習 Ruby 及其模組的一個非常有用的工具。安裝之後，可以使用 irb>> 命令運行它。
清單 2. 處理 Ruby 字串：定義多個字串

irb>> str = >>EOFirb>> "hello worldirb>> "how do you feel?irb>> "how r u ?irb>> EOF"hello, world\nhow do you feel?\nhow r u?\n"irb>> puts strhello, worldhow do you feel?how r u?

在 清單 2 中，>>EOF 和 EOF 中的所有內容都視為字串的一部分，包括 \n（換行）字元。

Ruby String 類有一組強大的方法用於操作和處理儲存在它們之中的資料。清單 3、4 和 5 中的樣本展示了部分方法。
清單 3. 處理 Ruby 字串：連接字串

irb>> str = "The world for a horse" # String initialized with a valueThe world for a horseirb>> str*2      # Multiplying with an integer returns a            # new string containing that many times           # of the old string.The world for a horseThe world for a horseirb>> str + " Who said it ? "  # Concatenation of strings using the '+' operatorThe world for a horse Who said it ?irb>> str<<" is it? " # Concatenation using the '<<' operatorThe world for a horse is it?

提取子字串並操作字串的多個部分
清單 4. 處理 Ruby 字串：提取並操作

irb>> str[0] # The '[]' operator can be used to extract substrings, just       # like accessing entries in an array.      # The index starts from 0.84 # A single index returns the ascii value      # of the character at that positionirb>> str[0,5] # a range can be specified as a pair. The first is the starting       # index , second is the length of the substring from the      # starting index.The wirb>> str[16,5]="Ferrari" # The same '[]' operator can be used         # to replace substrings in a string         # by using the assignment like '[]='irb>>strThe world for a FerrariIrb>> str[10..22] # The range can also be specified using [x1..x2] for a Ferrariirb>> str[" Ferrari"]=" horse" # A substring can be specified to be replaced by a new        # string. Ruby strings are intelligent enough to adjust the        # size of the string to make up for the replacement string.irb>> sThe world for a horseirb>> s.split  # Split, splits the string based on the given delimiter        # default is a whitespace, returning an array of strings.["The", "world", "for", "a", "horse"]irb>> s.each(' ') { |str| p str.chomp(' ') }        # each , is a way of block processing the   # string splitting it on a record separator   # Here, I use chomp() to cut off the trailing space"The""world""for""a""horse"

Ruby String 類還可以使用許多其他實用方法，這些方法可以更改大小寫、擷取字串長度、刪除記錄分隔字元、掃描字串、加密、解密等。另一個有用的方法是 freeze，該方法可以使字串變得不可修改。對 String str 調用該方法（str.freeze）之後，str 將不能被修改。

Ruby 還有一些稱為 “析構器（destructor）” 的方法。以驚嘆號（!）結尾的方法將永久修改字串。常規方法（結尾沒有驚嘆號）修改並返回調用它們的字串的副本。而帶有驚嘆號的方法直接修改調用它們的字串。
清單 5. 處理 Ruby 字串：永久修改字串

irb>> str = "hello, world"hello, worldirb>> str.upcaseHELLO, WORLDirb>>str   # str, remains as is.Hello, worldirb>> str.upcase!  # here, str gets modified by the '!' at the end of         # upcase.HELLO, WORLDirb>> strHELLO, WORLD

在 清單 5 中，str 中的字串由 upcase! 方法修改，但 upcase 方法只返回大小寫修改後的字串副本。這些 ! 方法有時很有用。

Ruby Strings 的功能非常強大。資料被捕獲進 Strings 中後，您就能夠任意使用多種方法輕鬆有效地處理這些資料。

處理 CSV 檔案

CSV 檔案是表示表格式的資料的一種很常見的方法，表格式通常用作從試算表匯出的資料（比如帶有詳細資料的連絡人清單）的格式。

Ruby 有一個強大的庫，可以用於處理這些檔案。csv 是負責處理 CSV 檔案的 Ruby 模組，它擁有建立、讀取和解析 CSV 檔案的方法。

清單 6 展示了如何建立一個 CSV 檔案並使用 Ruby csv 模組來解析檔案。
清單 6. 處理 CSV 檔案：建立並解析一個 CSV 檔案

require 'csv'writer = CSV.open('mycsvfile.csv','w')begin print "Enter Contact Name: " name = STDIN.gets.chomp print "Enter Contact No: " num = STDIN.gets.chomp s = name+" "+num row1 = s.split writer << row1 print "Do you want to add more ? (y/n): " ans = STDIN.gets.chompend while ans != "n"writer.closefile = File.new('mycsvfile.csv')lines = file.readlinesparsed = CSV.parse(lines.to_s)p parsedputs ""puts "Details of Contacts stored are as follows..."puts ""puts "-------------------------------"puts "Contact Name | Contact No"puts "-------------------------------"puts ""CSV.open('mycsvfile.csv','r') do |row| puts row[0] + " | " + row[1]  puts ""end

清單 7 顯示了輸出：
清單 7. 處理 CSV 檔案：建立並解析一個 CSV 檔案輸出

Enter Contact Name: SanthoshEnter Contact No: 989898Do you want to add more ? (y/n): yEnter Contact Name: SandyEnter Contact No: 98988Do you want to add more ? (y/n): nDetails of Contacts stored are as follows...---------------------------------Contact Name | Contact No---------------------------------Santhosh | 989898Sandy | 98988

讓我們快速檢查一下這個樣本。

首先，包含 csv 模組（require 'csv'）。

要建立一個新的 CSV 檔案 mycsvfile.csv，使用 CSV.open() 調用開啟它。這返回一個寫入器（writer）對象。

這個樣本建立了一個 CSV 檔案，該檔案包含一個簡單的連絡人清單，儲存連絡人姓名及其電話號碼。在迴圈中，使用者被要求輸入連絡人姓名和電話號碼。姓名和電話號碼被串連為一個字串，然後分割為含兩個字串的數組。這個數組傳遞到寫入器對象以便寫入 CSV 檔案。這樣，一對 CSV 值就儲存為檔案中的一行。

迴圈結束後，任務也就完成了。現在關閉寫入器，檔案中的資料得以儲存。

下一步是解析建立的 CSV 檔案。

開啟和解析該檔案的一種方法是使用新的 CSV 檔案名稱建立一個新的 File 對象。

調用 readlines 方法將檔案中的所有行讀入一個名為 lines 的數組。

通過調用 lines.to_s 將 lines 數群組轉換為一個 String 對象，然後將這個 String 對象傳遞到 CSV.parse 方法，該方法解析 CSV 資料並將其內容返回為一個包含數組的數組。

下面介紹開啟和解析該檔案的另一種方法。以讀模數式使用 CSV.open 調用再次開啟檔案。這返回一個行數組。使用某種格式列印每個行以顯示連絡人細節。這裡的每個行對應檔案中的行。

如您所見，Ruby 提供一個強大的模組來處理 CSV 檔案和資料。

處理 XML 檔案

對於 XML 檔案，Ruby 提供一個名為 REXML 的強大的內建庫。這個庫可以用於讀取和解析 XML 文檔。

查看以下 XML 檔案並試圖用 Ruby 和 REXML 來解析它。

下面是一個簡單的 XML 檔案，列示一個線上購物中心的典型購物車中的內容。它擁有以下元素：

•     cart —— 根項目
•     user —— 購貨使用者
•     item —— 使用者添加到購物車中的商品項
•     id, price 和 quantity —— 項目的子項目

清單 8 展示了這個 XML 的結構：
清單 8. 處理 XML 檔案：樣本 XML 檔案

<cart id="userid"><item code="item-id"> <price> <price/unit> </price> <qty> <number-of-units> </qty></item></cart>

從 下載 部分擷取這個樣本 XML 檔案。現在，載入這個 XML 檔案並使用 REXML 解析檔案樹。
清單 9. 處理 XML 檔案：解析 XML 檔案

require 'rexml/document'include REXMLfile = File.new('shoppingcart.xml')doc = Document.new(file)root = doc.rootputs ""puts "Hello, #{root.attributes['id']}, Find below the bill generated for your purchase..."puts ""sumtotal = 0puts "-----------------------------------------------------------------------"puts "Item\t\tQuantity\t\tPrice/unit\t\tTotal"puts "-----------------------------------------------------------------------"root.each_element('//item') { |item| code = item.attributes['code']qty = item.elements["qty"].text.split(' ')price = item.elements["price"].text.split(' ')total = item.elements["price"].text.to_i * item.elements["qty"].text.to_iputs "#[code]\t\t #{qty}\t\t   #{price}\t\t   #{total}"puts ""sumtotal += total}puts "-----------------------------------------------------------------------"puts "\t\t\t\t\t\t  Sum total : " + sumtotal.to_sputs "-----------------------------------------------------------------------"

清單 10 顯示輸出。
清單 10. 處理 XML 檔案：解析 XML 檔案輸出

Hello, santhosh, Find below the bill generated for your purchase...-------------------------------------------------------------------------Item   Quantity    Price/unit    Total-------------------------------------------------------------------------CS001    2       100      200CS002    5       200      1000CS003    3       500      1500CS004    5       150      750-------------------------------------------------------------------------               Sum total : 3450--------------------------------------------------------------------------

清單 9 解析這個購物車 XML 檔案並產生一個賬單，該賬單顯示項目合計和採購總計（見 清單 10）。

下面我們具體介紹操作過程。

首先，包含 Ruby 的 REXML 模組，該模組擁有解析 XML 檔案的方法。

開啟 shoppingcart.xml 檔案並從該檔案建立一個 Document 對象，該對象包含解析後的 XML 檔案。

將文檔的根分配給元素對象 root。這將指向 XML 檔案中的 cart 標記。

每個元素對象擁有一個屬性對象，該屬性對象是元素屬性的 hash 表，其中屬性名稱作為鍵名，屬性值作為索引值。這裡，root.attributes['id'] 將提供 root 元素的 id 屬性的值（本例中為 userid）。

下面，將 sumtotals 初始化為 0 並列印標題。

每個元素對象還有一個對象 elements，該對象擁有 each 和 [] 方法，以便訪問子項目。這個對象遍曆所有帶有 item 名稱（通過 XPath 運算式 //item 指定）的 root 元素的子項目。每個元素還有一個屬性 text，該屬性容納元素的文本值。

下一步，擷取 item 元素的 code 屬性以及 price 和 qty 元素的文本值，然後計算項目合計（Total）。將詳細資料列印到賬單並將項目合計添加到採購總計（Sum total）。

最後，列印採購總計。

這個樣本展示了使用 REXML 和 Ruby 解析 XML 檔案有多麼簡單！同樣，在運行中產生 XML 檔案，添加和刪除元素及它們的屬性也很簡單。
清單 11. 處理 XML 檔案：產生 XML 檔案

doc = Document.newdoc.add_element("cart1", {"id" => "user2"})cart = doc.root.elements[1]item = Element.new("item")item.add_element("price")item.elements["price"].text = "100"item.add_element("qty")item.elements["qty"].text = "4"cart .elements << item

清單 11 中的代碼通過建立一個 cart 元素、一個 item 元素和它的子項目來建立 XML 結構，然後使用值填充這些子項目並將它們添加到 Document 根。

類似地，要刪除元素和屬性，使用 Elements 對象的 delete_element 和 delete_attribute 方法。

以上樣本中的方法稱為樹解析（tree parsing）。另一種 XML 文檔解析方法稱為流解析（stream parsing）。“流解析” 比 “樹解析” 更快，可以用於要求快速解析的情況。“流解析” 是基於事件的，它使用監聽器。當解析流遇到一個標記時，它將調用監聽器並執行處理。

清單 12 展示了一個樣本：
清單 12. 處理 XML 檔案：流解析

require 'rexml/document'require 'rexml/streamlistener'include REXMLclass Listener include StreamListener def tag_start(name, attributes) puts "Start #{name}" end def tag_end(name) puts "End #{name}" endendlistener = Listener.newparser = Parsers::StreamParser.new(File.new("shoppingcart.xml"), listener)parser.parse

清單 13 顯示輸出：
清單 13. 處理 XML 檔案：流解析輸出

Start cartStart itemStart priceEnd priceStart qtyEnd qtyEnd itemStart itemStart priceEnd priceStart qtyEnd qtyEnd itemStart itemStart priceEnd priceStart qtyEnd qtyEnd itemStart itemStart priceEnd priceStart qtyEnd qtyEnd itemEnd cart

這樣，REXML 和 Ruby 聯合起來為您提供一種非常有效和直觀地處理和操作 XML 資料的強大方法。

結束語

Ruby 擁有一組很好的內建庫和外部庫，支援快速、強大和有效文本處理。您可以利用該功能簡化和改進可能遇到的各種文本資料處理工作。本文只是 Ruby 的文本處理功能的簡要介紹，您可以進一步深入瞭解該功能。

毋庸置疑，Ruby 是您需要的一個強大工具。