Question

使用Nokogiri我抓了一页，我试图找到总结果失败。

HTML Fragment（doc）

<div class="total_count">
    <b>Returned:</b>&nbsp;97&nbsp;results
</div>

获取总计数=＆gt; 97

doc.search(".total_count").text.gsub(/[^0-9]/,'') #=> 497 !Oops

如何通过 ？

它返回的文本是

 doc.search(".total_count").text

"\r\n    Returned:\u00A0497\u00A0results\r\n"

所以使用doc.at(".total_count").text.match('\d+')给出“496”

节点是

=> [#<Nokogiri::XML::Element:0x1762914 name="div" attributes=[#<Nokogiri::XML::Attr:0x1762878 name=
class" value="total_count">] children=[#<Nokogiri::XML::Text:0x1767618 "\r\n    ">, #<Nokogiri::XML
:Element:0x1767e1c name="b" children=[#<Nokogiri::XML::Text:0x1767a98 "Returned:">]>, #<Nokogiri::X
L::Text:0x1767834 "\u00A0497\u00A0results\r\n">]>]

Nokogiri，Ruby版本

C:\Ruby200>nokogiri -v
DL is deprecated, please use Fiddle
# Nokogiri (1.6.0)
    ---
    warnings: []
    nokogiri: 1.6.0
    ruby:
      version: 2.0.0
      platform: i386-mingw32
      description: ruby 2.0.0p247 (2013-06-27) [i386-mingw32]
      engine: ruby
    libxml:
      binding: extension
      source: system
      compiled: 2.8.0
      loaded: 2.8.0

Answer 1

首先，除非您想要返回NodeSet，否则请勿使用search。 NodeSet就像Nodes的数组一样，所以你必须准备迭代它们，否则你会得到一些非常奇怪的结果。

相反，从这样的事情开始：

require 'nokogiri'

doc = Nokogiri::HTML(<<EOT)
<div class="total_count">
    <b>Returned:</b>&nbsp;97&nbsp;results
</div>
EOT

doc.at('div').text.scan(/\d+/) # => ["97"]
doc.at('div').text[/\d+/] # => "97"

at返回与选择器匹配的第一个节点。在这种情况下，它是<div>。我也可以使用类选择器：

doc.at('.total_count').text[/\d+/] # => "97"

接下来，使用正则表达式来匹配您想要的内容，而不是尝试使用gsub删除您不想要的内容。我反复看到那个概念错误的代码，所以要做一个口头禅。使用正则表达式时，如果您尝试查找或捕获某些内容，请使用匹配项。如果您要删除或更改内容，请使用sub或gsub。非常非常偶尔你必须混合两者，但这应该是一个罕见的例外。

使用libxml（2.8.0）的当前版本的Nokogiri（1.6.0），在当前版本的Ruby（2.0.0）上返回<div>文本节点：

doc.at('div').text # => "\n    Returned:\u00A097\u00A0results\n"

没有4，所以如果你看到任何不同的东西，那么你需要升级Ruby，Nokogiri甚至你的libXML2。

您可以在命令行使用nokogiri -v检查版本信息。你应该看到类似的东西：

# Nokogiri (1.6.0)
    ---
    warnings: []
    nokogiri: 1.6.0
    ruby:
      version: 2.0.0
      platform: x86_64-darwin12.4.0
      description: ruby 2.0.0p247 (2013-06-27 revision 41674) [x86_64-darwin12.4.0]
      engine: ruby
    libxml:
      binding: extension
      source: packaged
      libxml2_path: /Users/tinman/.rbenv/versions/2.0.0-p247/lib/ruby/gems/2.0.0/gems/nokogiri-1.6.0/ports/i686-apple-darwin11/libxml2/2.8.0
      libxslt_path: /Users/tinman/.rbenv/versions/2.0.0-p247/lib/ruby/gems/2.0.0/gems/nokogiri-1.6.0/ports/i686-apple-darwin11/libxslt/1.1.26
      compiled: 2.8.0
      loaded: 2.8.0

使用Nokogiri时如何处理

1 个答案: