Question

我有一个文档，想要提取一些元素，这些元素直接指向父元素的后代，但却忽略了其他元素。问题是我没有按照它们在文档中出现的顺序获取元素。原因可能实际上是我使用的CSS选择器是错误的......

require 'rubygems'
require 'nokogiri'
require 'open-uri'

html = <<END
  <content>
    <p>Lorem</p>
    <div>
      FOO
      <p>BAR</p>
    </div>
    <h1>Ipsum</h1>
    <p>Dolor</p>
    <div>
      BAR
      <h2>FOO</h2>
    </div>
    <h2>Sit</h2>
    <p>Amet</p>
  </html>
END

Nokogiri::HTML(html).css('content > p, content > h1, content > h2').inner_html # "<p>Lorem</p><p>Dolor</p><p>Amet</p><h1>Ipsum</h1><h2>Sit</h2>"

我想要的是

<p>Lorem</p><h1>Ipsum</h1><p>Dolor</p><h2>Sit</h2><p>Amet</p>

Answer 1

尝试使用此XPath：

//content/p|//content/h1|//content/h2

Answer 2

您希望按照文档中显示的方式列出不同的元素，但正如您所看到的，您可以根据css选择器顺序获取元素。

要解决此问题，您必须向元素添加一个类属性，以便选择具有该类的所有元素，而不是仅使用一个css选择器，这意味着元素的顺序正确。

按照元素出现在文档中的顺序获取元素

2 个答案: