html - 在 ruby​​ 中使用正则表达式解析 html

Question

大家好，我有一个 html 代码作为下面的代码。我想得到里面的文字<a>(.*)</a>

我想得到这个结果：

data 1 : hello1
data 2 : hello2
data 3 : hello3

从该输入：

<a>
hello1
</a>
<a>
hello2
</a>
<a>
hello3
</a>

Answer 1

要扩展这两个注释，以下 Nokogiri 代码将适用于您的示例。您可以使用 xpath 或 CSS。专用的解析器比滚动你自己的正则表达式要强大得多。

> require 'nokogiri'
 => true 
> doc = Nokogiri::HTML("<a>hello1</a><a>hello2</a><a>hello3</a>")
 => #<Nokogiri::HTML::Document:0x3ffec2494f48 name="document" children=[#<Nokogiri::XML::DTD:0x3ffec2494bd8 name="html">, #<Nokogiri::XML::Element:0x3ffec2494458 name="html" children=[#<Nokogiri::XML::Element:0x3ffec2494250 name="body" children=[#<Nokogiri::XML::Element:0x3ffec2494048 name="a" children=[#<Nokogiri::XML::Text:0x3ffec2493e40 "hello1">]>, #<Nokogiri::XML::Element:0x3ffec249dc88 name="a" children=[#<Nokogiri::XML::Text:0x3ffec249da80 "hello2">]>, #<Nokogiri::XML::Element:0x3ffec249d878 name="a" children=[#<Nokogiri::XML::Text:0x3ffec249d670 "hello3">]>]>]>]> 
> doc.css('a').each { |node| p node.text }
"hello1"
"hello2"
"hello3"
 => 0 

更新：如果您还没有安装 nokogiri gem，您将需要它。

sudo gem install nokogiri

根据您的设置，您可能还需要预先设置

require 'rubygems'