如何获取没有子节点的节点文本？

Question

我使用Nokogiri解析具有相同内容的html页面：

<p class="parent">
  Useful text
  <br>
  <span class="child">Useless text</span>
</p>

当我调用方法page.css('p.parent').text时，Nokogiri会返回'有用的文字无用文字'。但我只需要'有用的文字'。

如何在没有孩子的情况下获取节点文本？

Answer 1

XPath包含用于选择文本节点的text()节点测试，因此您可以这样做：

page.xpath('//p[@class="parent"]/text()')

如果相关元素可能属于多个类，则使用XPath选择HTML类会变得相当棘手，因此这可能不太理想。

幸运的是，Nokogiri将text()选择器添加到CSS中，因此您可以使用：

page.css('p.parent > text()')

获取p.parent的直接子节点的文本节点。这也会返回一些只有空格的节点，因此您可能需要将它们过滤掉。

Answer 2

您应该可以使用page.css('p.parent').children.remove。

然后您的page.css('p.parent').text将返回没有子节点的文本。

注意：page将修改remove