1

我爬取了一个页面并将页面中的元素存储到一个数组中。

如果我检查第一个元素：

puts "The inspection of the first my_listing: "
puts my_listing.first.first.inspect

输出是：

The inspection of the first my_listing: 
#<Nokogiri::XML::Element:0x80c58764 name="p" children=[#<Nokogiri::XML::Text:0x80c584e4 " May  4 - ">, #<Nokogiri::XML::Element:0x80c58494 name="a" attributes=[#<Nokogiri::XML::Attr:0x80c58340 name="href" value="http://auburn.craigslist.org/web/2996976345.html">] children=[#<Nokogiri::XML::Text:0x80c57f08 "residual income No experience is needed!!!">]>, #<Nokogiri::XML::Text:0x80c57da0 " - ">, #<Nokogiri::XML::Element:0x80c57d50 name="font" attributes=[#<Nokogiri::XML::Attr:0x80c57bfc name="size" value="-1">] children=[#<Nokogiri::XML::Text:0x80c577c4 " (online)">]>, #<Nokogiri::XML::Text:0x80c5765c " ">, #<Nokogiri::XML::Element:0x80c5760c name="span" attributes=[#<Nokogiri::XML::Attr:0x80c574b8 name="class" value="p">] children=[#<Nokogiri::XML::Text:0x80c57080 " img">]>]>

如何访问每个元素？例如，如何访问Text该对象中的第一个元素，即“May 4 -”？

如果我做：

puts my_listing.first.first.text,

我得到这个输出：

May  4 - residual income No experience is needed!!! -  (online)  img

另外，我如何访问该href属性？

my_listing.first.first[:href]

这是行不通的。

4

2 回答 2

2

请注意，Nokogiri 将所有内容都视为节点——无论是文本、属性还是元素。您的文档有一个孩子：

irb(main):014:0> my_listing.children.size
=> 1
irb(main):015:0> puts my_listing.children
<p> May 4 - <a href="http://auburn.craigslist.org/web/2996976345.html">residual income No
experience is needed</a> - <font size="-1"> (online)</font> <span class="p">
img</span></p>
=> nil

顺便说一句， puts 使用 to_s 方法，并且该方法组装了来自所有孩子的文本 - 这就是为什么您看到的文本比您想要的更多。

如果您更深入地查看该单个元素的子元素，您将拥有：

irb(main):017:0> my_listing.children.first.children.size
=> 6
irb(main):018:0> puts my_listing.children.first.children
 May 4 - 
<a href="http://auburn.craigslist.org/web/2996976345.html">residual income No
experience is needed</a>
 - 
<font size="-1"> (online)</font>

<span class="p"> img</span>
=> nil

要获得您所询问的内容，请继续沿层次结构向下走：

irb(main):022:0> my_listing.children.first.children[0]
=> #<Nokogiri::XML::Text:0x..fd9d1210e " May 4 - ">
irb(main):023:0> my_listing.children.first.children[0].text
=> " May 4 - "
irb(main):024:0> my_listing.children.first.children[1]['href']
=> "http://auburn.craigslist.org/web/2996976345.html"
于 2012-05-10T23:24:22.220 回答
0

如果我拉下一个网页并有一个元素，就像你做的那样：

p c
> => #<Nokogiri::XML::Element:0x3ff9d9c6b660 name="a" ...

你可以得到孩子：

c2 = c.children

然后得到他们的文字：

c2.text # or
c2[0].text  =>   => "Watch video! "

href 可以像这样得到：

c["href"] # -> "http://example.com/video/"
于 2012-05-10T15:07:24.973 回答