9

在 html 标签之间获取所有文本的最有效方法是什么？

<div>
<a> hi </a>
....

一堆被html标签包围的文本。

4

4 回答 4

26 
doc = Nokogiri::HTML(your_html)
doc.xpath("//text()").to_s
于 2009-10-03T05:38:39.810 回答
5

使用 Sax 解析器。比 XPath 选项快得多。

require "nokogiri"

some_html = <<-HTML
<html>
  <head>
    <title>Title!</title>
  </head>
  <body>
    This is the body!
  </body>
</html>
HTML

class TextHandler < Nokogiri::XML::SAX::Document
  def initialize
    @chunks = []
  end

  attr_reader :chunks

  def cdata_block(string)
    characters(string)
  end

  def characters(string)
    @chunks << string.strip if string.strip != ""
  end
end
th = TextHandler.new
parser = Nokogiri::HTML::SAX::Parser.new(th)
parser.parse(some_html)
puts th.chunks.inspect
于 2009-10-10T17:34:10.387 回答
2

做就是了：

doc = Nokogiri::HTML(your_html)
doc.xpath("//text()").text
于 2013-01-06T21:02:10.973 回答
1

以下是获取此页面问题 div 中所有文本的方法：

require 'rubygems'
require 'nokogiri'
require 'open-uri'

doc = Nokogiri::HTML(open("http://stackoverflow.com/questions/1512850/grabbing-text-between-all-tags-in-nokogiri"))
puts doc.css("#question").to_s
于 2009-10-14T04:44:29.003 回答