直接在Nokogiri的标签内获取文本

Question

我有一些看起来像这样的HTML：

<dt>
  <a href="#">Hello</a>
  (2009)
</dt>

我已将所有HTML加载到名为record的变量中。我需要解析一年，即2009年是否存在。

如何获取dt标记内的文字，而不是a标记内的文字？我使用了record.search("dt").inner_text，这给了我一切。

这是一个微不足道的问题，但我还没有想到这一点。

Answer 1

为了让所有带有文本的直接孩子，而不是任何进一步的子孩子，你可以像这样使用XPath：

doc.xpath('//dt/text()')

或者如果您想使用搜索：

doc.search('dt').xpath('text()')

Answer 2

使用XPath准确选择你想要的东西（正如@Casper所建议的）是正确的答案。

def own_text(node)
  # Find the content of all child text nodes and join them together
  node.xpath('text()').text
end

这是另一种有趣的答案：）

def own_text(node)
  node.clone(1).tap{ |copy| copy.element_children.remove }.text
end

见过：

require 'nokogiri'
root = Nokogiri.XML('<r>hi <a>BOO</a> there</r>').root
puts root.text       #=> hi BOO there
puts own_text(root)  #=> hi  there

Answer 3

dt元素有两个子元素，因此您可以通过以下方式访问它：

doc.search("dt").children.last.text