Question

我无法搜索具有HTML实体作为值的节点。

我有这个HTML片段：

require 'nokogiri'

DATA = "<p>A paragraph <ul><li>Item 1</li><li>&#8853;</li><li>Mango</li></ul></p>"

doc = Nokogiri::HTML(DATA)

p doc.xpath('//li[contains(text(), "Man")]') => This returns a NodeSet
p doc.xpath('//li[contains(text(), "8853")]') => This returns 'Nil'

我无法弄清楚为什么第二个语句会返回NIL以及如何修复它。

Answer 1

当Nokogiri解析文档时，它会尝试解码实体，因此，您必须查找已解码的值：

require 'nokogiri'

data = "<p>A paragraph <ul><li>Item 1</li><li>&#8853;</li><li>Mango</li></ul></p>"

doc = Nokogiri::HTML(data)

p doc.search('li').map(&:text)
=> ["Item 1", "⊕", "Mango"]

请注意，HTML实体已被解码为其真实字符。

puts doc.to_html

<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.0 Transitional//EN" "http://www.w3.org/TR/REC-html40/loose.dtd">
<html><body>
<p>A paragraph </p>
<ul>
<li>Item 1</li>
<li>⊕</li>
<li>Mango</li>
</ul>
</body></html>

再次，实体被解码。

p doc.xpath('//li[contains(text(), "⊕")]')
=> [#<Nokogiri::XML::Element:0x3fcd78d5f16c name="li" children=[#<Nokogiri::XML::Text:0x3fcd78d5ef64 "⊕">]>]

Nokogiri使用HTML实体搜索文本

1 个答案: