Question

我正在尝试使用Nokogiri解析此HTML：

<div class="times">
<span style="color:"><span style="padding:0 ">&lrm;</span><!--  -->16:45&lrm;</span>
<span style="color:"><span style="padding:0 "> &nbsp;&lrm;</span><!--  -->19:30&lrm;</span> 
<span style="color:"><span style="padding:0 "> &nbsp;&lrm;</span><!--  -->22:10&lrm;</span>
</div>

我只想得到时间，插入数组。

我设置了一个这样的gsub：

 block.css('div.times span').text.gsub(" ","").gsub("&nbsp","")

然后我最终得到了一根弦，我有点卡住了。有没有一种有效的方法呢？

Answer 1

最简单的可能是：

block.at('div.times').text.scan /\d{2}:\d{2}/

Answer 2

您可以做的一件事是将空格留在字符串中，然后使用String#split将其转换为数组：

block.css('div.times span').text.gsub("&nbsp","").split(' ')

在这种情况下，您可能还需要去除从左到右的标记，我认为您不需要替换不间断的空格，因此您可以尝试这样做：

block.css('div.times span').text.gsub("\u200e", '').split(' ')

（\u200e是从左到右的标记。）

使用Nokogiri的替代方法是使用xpath而不是CSS，这将使您能够直接选择所需的文本节点，然后使用map转换为字符串数组：

block.xpath('//div[@class="times"]/span/text()').map(&:text)

如何在Nokogiri中正确解析这个糟糕的HTML？

2 个答案: