Question

我编写了以下简单脚本来解析reddit / r / documentaries

require 'open-uri'
require 'nokogiri'

top_docs = Nokogiri::XML(open("http://www.reddit.com/r/Documentaries/top.rss"))
top_docs.xpath('//item').each do |documentary|
    documentary_description = documentary.xpath('description')
end

我正在尝试收集documentary_description中所有超链接的数组。我应该用什么选择器/方法来实现这个目标？

由于

Answer 1

您可以使用URI提供的extract方法：

top_docs.xpath('//item').each do |documentary|
  documentary_description = documentary.xpath('description')
  links = URI.extract(documentary_description.text)
  ...
end

Answer 2

单线（使用@shioyama注明的方便URI#extract）：

links = URI.extract(top_docs.xpath('//item/description').to_a.join(" "))

Answer 3

注意URI＃extract，在这种情况下，它会选择一个可能不需要的img src。 Nokogiri更可靠：

links = Nokogiri::HTML(documentary_description.text).search('a').map{|x| x[:href]}

Nokogiri从XML :: NodeSet中选择超链接

3 个答案: