ruby - Nokogiri 从 XML::NodeSet 中选择超链接

Question

我编写了以下简单的脚本来解析 reddit/r/documentaries

require 'open-uri'
require 'nokogiri'

top_docs = Nokogiri::XML(open("http://www.reddit.com/r/Documentaries/top.rss"))
top_docs.xpath('//item').each do |documentary|
    documentary_description = documentary.xpath('description')
end

我正在尝试收集 documentary_description 中所有超链接的数组。我应该使用什么选择器/方法来完成这个？

谢谢

Answer 1

可以使用extractURI提供的方法：

top_docs.xpath('//item').each do |documentary|
  documentary_description = documentary.xpath('description')
  links = URI.extract(documentary_description.text)
  ...
end

Answer 2

单线（使用URI#extract@shioyama 指出的方便）：

links = URI.extract(top_docs.xpath('//item/description').to_a.join(" "))

Answer 3

小心使用 URI#extract，在这种情况下，它会选择一个可能不需要的 img src。Nokogiri更可靠：

links = Nokogiri::HTML(documentary_description.text).search('a').map{|x| x[:href]}