使用Nokogiri解析内部标签

问题描述：

我被卡住不能不规则地解析嵌入的html标签。有没有办法从节点中删除所有html标签并保留所有文本？使用Nokogiri解析内部标签

我正在使用的代码：

rows = doc.search('//table[@id="table_1"]/tbody/tr') 

details = rows.collect do |row| 
    detail = {} 
    [ 
    [:word, 'td[1]/text()'], 
    [:meaning, 'td[6]/font'], 
    ].collect do |name, xpath| 
     detail[name] = row.at_xpath(xpath).to_s.strip 
    end 
    detail 
end

使用XPath：

[:meaning, 'td[6]/font']

产生

:meaning: ! '<font size="3">asking for information specifying <font 
    color="#CC0000" size="3">what is your name?</font> /what/ as in, <font color="#CC0000" size="3">I'm not sure what you mean</font> 
    /what/ as in <a style="text-decoration: none;" href="http://somesecretlink.com">what</a></font>

在另一方面，使用XPath：

'td/font/text()'

生成

:meaning: asking for information specifying

从而忽略了节点的所有子。我想达到的是这

:meaning: asking for information specifying what is your name? /what/ as in, I'm not sure what you mean /what/ as in what? I can't hear you

我不明白哪来的第一个字体标记被关闭。你试过（'td/font'）。text？ – Roman 2011-05-22 22:15:20

Roman，我纠正了输出。它确实生成关闭字体标签。 – PunjCoder 2011-05-22 22:36:07

好吧，你是否尝试做row.at_xpath（'td [6]/font'）.text？ – Roman 2011-05-22 22:49:17

答

这取决于你需要提取什么。如果你想在字体元素的所有文字，你可以用下面的XPath做到这一点：

'td/font//text()'

它提取的字体标记所有文本节点。如果你想小区内所有文本节点，则：

'td//text()'

您也可以拨打引入nokogiri节点上text方法：

row.at_xpath(xpath).text

谢谢马克。首先，'.text'引发错误，因为第一个解析的行是空的。我做了'rows.each_with_index.collect'而不是'rows.collect'并跳过了第一行。而ta-da！谢谢！ – PunjCoder 2011-05-23 01:35:52

答

我添加了一个答案这同一类问题另一天。这是一个非常简单的过程。

看看：Convert HTML to plain text and maintain structure/formatting, with ruby

使用Nokogiri解析内部标签

相关推荐