html - 使用 nokogiri 解析一些棘手的 HTML

Question

我正在尝试用 Nokogiri 解析这个 html，但我被卡住了。

<b>Dudule Francis</b>
<br>
<b>Tél. : </b>
01 02 03 04 05
<br>
<b>Fax : </b>
10 90 80 70 60

我想提取第一个电话号码01 02 03 04 05。它介于</b>且<br>仅当<b>Tél. : </b>被发现时。如果有人有线索，我很开放。

Answer 1

noko = Nokogiri::HTML(html_text)
noko.xpath("//b[text() = 'Tél. : ']").each do |b|
  puts b.next_sibling.content.strip
end
# 01 02 03 04 05

Answer 2

简单的方法：

doc.at('b[text()="Tél. : "]').next.text

如果由于某种原因您想确保它位于 b 和下一个 br 之间：

doc.at('b[text()="Tél. : "] + br').previous.text

Answer 3

我发现很多时候 CSS 更容易理解，虽然 CSS 本身通常不能查看节点的文本内部，迫使我们使用 XPath，但 Nokogiri 使用 jQuery 的扩展为我们提供了一些额外的帮助：

doc.at('b:contains("Tél.")').next_sibling.text.strip
"01 02 03 04 05"