1

假设我有这个样本：

  page = "<html><body><h1 class='foo'></h1><p class='foo'>hello people<a href='http://'>hello world</a></p></body></html>"
    @nodes = []
    Nokogiri::HTML(page).traverse do |n|
       if n[:class]  == "foo"
          @nodes << {:name => n.name, :xpath => n.path, :text => n.text }
       end
    end

结果将n.text是hello peoplehello world，我想以某种方式做到这一点，以便我可以获得父文本及其子文本，但将它们与它们的标签相关联

所以结果会是这样的

@nodes[0][:text]=""
@node[1][:text]= [{:Elementtext1 => "hello people", :ElementObject1 => elementObject},{:Elementtext2 => "hello world", :ElementObject2 => elementObject}]
4

1 回答 1

1

我们去吧

require 'rubygems'
require 'nokogiri'

doc = Nokogiri::HTML(DATA.read)

nodes = doc.root.css('.foo').collect do |n|
  { :name => n.name,
    :xpath => n.path,
    :text => n.xpath('.//text()').collect{|t|
      { :parent => t.parent.name,
        :text => t.text }}}
end

p nodes

__END__
<html>
<body>
<h1 class='foo'></h1>
<p class='foo'>hello people<a href='http://'>hello world</a></p>
</body>
</html>

您无法使用所有元素，traverse因为它仅访问根的直接子级。因此，我使用 css 选择器来获取所有带有 class 的元素foo。然后，对于每个找到的元素，我使用一个 xpath 选择器来获取它下面的所有文本节点。

于 2009-12-07T16:00:18.097 回答