Question

我有以下html并想知道如何使用xpath来检索所有信息： - 姓名（第一，最后） - 尼克姓名 - 电子邮件 - 送货地址......

主要是在<BR>之后检索文字。非常感谢提前。

<table>
<tr>
<td valign="top" width="50%" align="left">
<span>Buyer</span><br/>FirstName LastName<br/>NickName<br/>First.Last@SomeCompany.com</td>

<tr><td valign="top" width="40%" align="left">
<span><span>Shipping address - </span><span>confirmed</span></span><br/>FirstName LastName<br/>Attn: FirstName<br/>1234 Main St.<br/>TheCity, TheState, 12345<br/>United States<br/></td>
</tr></table>

在我发布上述问题之后，我了解到我可以做到这些，但看起来不干净：

buyer = html.xpath("//span/text()[contains(., 'Buyer')]").first.parent 
buyer_name = buyer.next.next 
puts "Buyer's Full name: #{buyer_name.text}" 
buyer_nick = buyer_name.next.next 
puts "Buyer's Nick name: #{buyer_nick.text}" 
buyer_email = buyer_nick.next.next 
puts "Buyer's email: #{buyer_email.text}"

我现在的问题是为什么html.xpath（“// span / text（）[contains（。，'Buyer'）]”）返回TEXT本身而不是ELEMENT。再次，谢谢!!

Answer 1

这是一个简洁的方法：

name, nick, email, *addr = doc.search('//td/text()[preceding-sibling::br]')

puts name, nick, email, "--", addr

XPath完全符合您的要求：它需要br之后的所有文本节点。地址被分成一个变量，但如果需要，可以单独获取组件。

输出：

FirstName LastName
NickName
First.Last@SomeCompany.com
--
FirstName LastName
Attn: FirstName
1234 Main St.
TheCity, TheState, 12345
United States

Answer 2

在处理HTML时，

<br>是一个独特的问题。除了格式化页面中的内容之外，它们并没有真正用于任何事情，即在* nix文本文件中打破像换行符这样的行。因此，我在提取文本时处理它们的策略是将它们转换为新行。

将内容解析为Nokogiri :: HTML文档：

doc = Nokogiri::HTML(html_doc_to_parse)

将<br>转换为换行符：

doc.search('br').each { |br| br.replace("\n") }

然后，找到你想要的细胞：

doc.search('//td').map{ |td| td.content }

将返回类似的内容：

doc.search('//td').map(&:content)
=> ["\n  Buyer\nFirstName LastName\nNickName\nFirst.Last@SomeCompany.com",
 "\n  Shipping address - confirmed\nFirstName LastName\nAttn: FirstName\n1234 Main St.\nTheCity, TheState, 12345\nUnited States\n"]

打印时看起来像这样：

puts doc.search('//td').map(&:content)

  Buyer
FirstName LastName
NickName
First.Last@SomeCompany.com

  Shipping address - confirmed
FirstName LastName
Attn: FirstName
1234 Main St.
TheCity, TheState, 12345
United States

从那里可以确定所需的正确数组元素，然后拆分新行，即String.split("\n")。

Nokogiri Xpath在内部和<span> </span>之后检索文本

2 个答案: