使用Nokogiri解析XML HTTP响应时出现多余字符问题求助

我之前也碰到过类似的XML解析异常，咱们一步步来定位问题根源并解决：

第一步：确认原始响应是否真的没有多余的0 #

有时候我们看到的Web服务返回内容可能经过工具格式化或者隐藏了某些字符，先直接打印原始响应体，看看解析前的内容到底是什么：

# 替换原代码里的解析部分，先打印原始响应
puts "原始响应体（转义后）：#{response.body.inspect}"
# 再继续解析
n = Nokogiri::XML::parse(response.body)
response_string = n.text
log "#{response_string}\n"

用inspect可以看到字符串的转义形式，比如有没有额外的\u0000（空字符）或者其他不可见字符被显示成0，或者原始响应里本来就有这个0只是你没注意到。

第二步：精准定位目标节点提取文本 #

你现在用n.text会提取整个XML文档中所有文本节点的内容，很可能是某个隐藏的文本节点（比如SOAP信封里的空白节点、命名空间相关的冗余文本）被拼接进去了。最好的做法是定位到存放目标字符串的具体节点再提取文本：

假设你的目标字符串在<soap:Body>下的<Result>节点里，用XPath精准定位：

# 注意替换成你实际的命名空间和节点路径
n = Nokogiri::XML::parse(response.body)
# 注册SOAP命名空间，避免XPath找不到节点
result_node = n.at_xpath('//soap:Body//Result', soap: 'http://schemas.xmlsoap.org/soap/envelope/')
response_string = result_node ? result_node.text : ''
log "#{response_string}\n"

这样只会提取目标节点的文本，不会混入其他无关内容。

第三步：检查编码是否匹配 #

如果原始响应的编码和Nokogiri默认解析的编码不一致，可能会导致字符解析错误，出现额外的字符。可以手动指定解析编码：

n = Nokogiri::XML.parse(response.body, nil, 'utf-8') # 替换成服务实际返回的编码，比如gbk

临时治标方案（不推荐，优先找根源） #

如果暂时找不到根源，也可以先对结果做预处理去掉前导的0：

response_string = n.text.sub(/^0/, '')

内容的提问来源于stack exchange，提问作者nehsa