Question

我正在使用Nokogiri运行一个返回多个值的脚本。我的印象（并且由多个来源保证）结果应该是数组的形式。相反，我得到一个丑陋的字符串。这是代码

require 'nokogiri'
require 'open-uri'
require 'spreadsheet'

profile_page_scraper = Nokogiri::HTML(open('http://www.crunchbase.com/company/facebook'))       
puts profile_page_scraper.css('div.col1_content td.td_left').text

返回此内容：

PublicDateRaisedPost IPO ValuationWebsiteBlogTwitterCategoryEmployeesFoundedDescription

我知道我可以使用map来快速解决这个问题，但我很困惑为什么这不会返回数组。从理论上讲，它应该返回这样的东西：

["Public", "Date", "Raised" ... "Description"]

为什么这不起作用的任何想法？

Answer 1

NodeSet#text总是返回一个字符串（否则它可能会被称为NodeSet#texts）。 Nokogiri文档不是那么好，如果有疑问，请查看源代码：

  # lib/nokogiri/xml/node_set.rb
  def inner_text
    collect{|j| j.inner_text}.join('')
  end
  alias :text :inner_text

获取一系列文本：nodes.map(&:text)

Answer 2

css方法返回Nokogiri::XML::NodeSet的实例，其中包含Enumerable。

require 'nokogiri'
require 'open-uri'

doc = Nokogiri::HTML(open('http://www.crunchbase.com/company/facebook'))  
nodes = doc.css('div.col1_content td.td_left')
nodes.class.ancestors
# => [Nokogiri::XML::NodeSet, Enumerable, Object, Kernel, BasicObject]

因此，您可以将所有标准迭代器与此结果集中每个元素的content属性结合使用。例如：

nodes.each { |n| puts n.content }

Nokogiri将值作为字符串返回，而不是数组

2 个答案: