如何在Nokogiri中使用XPath？

Question

我没有找到任何文档或教程。有什么相似的吗？

---

doc.xpath('//table/tbody[@id="threadbits_forum_251"]/tr')

上面的代码会在任何地方为我提供任何table个tbody子项，其属性id等于“threadbits_forum_251”。但为什么它从双//开始呢？为什么最后有/tr？有关详细信息，请参阅“Ruby Nokogiri Parsing HTML table II”。

---

有人可以告诉我如何使用Nokogiri提取href，id，alt，src等等吗？

td[3]/div[1]/a/text()' <--- extracts text

如何提取其他内容？

Answer 1

似乎您需要阅读XPath Tutorial

您的//table/tbody[@id="threadbits_forum_251"]/tr表达意味着：

• // - XML文档中的任何位置
• table/tbody - 带一个带有tbody孩子的桌子元素
• [@id="threadbits_forum_251"] - 其中 id属性等于“threadbits_forum_251”
• tr - 并使用其tr元素

所以，基本上，你需要知道：

• 属性以@
开头
• 条件进入[]括号

如果我理解了该API，如果只有一个doc.xpath("td[3]/div[1]/a")["href"]元素，您可以使用td[3]/div[1]/a/@href或<a>。

Answer 2

你的XPath是正确的，你似乎回答了你自己的问题的第一部分（几乎）：

doc.xpath('//table/tbody[@id="threadbits_forum_251"]/tr')

“上面的代码会给我任意表表的tr，任何地方，它有一个tbody子，其属性id等于threadbits_forum_251”

---

//表示以下元素可以出现在文档中的任何位置。

最后

/tr表示获取匹配元素的tr节点。

您不需要逐个提取每个属性。只需在Nokogiri中获取包含所有四个属性的整个节点，然后使用以下命令获取属性：

theNode['href']
theNode['src']

theNode是你的Nokogiri Node对象。

---

编辑：

抱歉，我没有使用过这些库，但我认为XPath评估和解析是由Mechanize完成的。所以这就是你如何一次性获得整个元素及其属性。

doc.xpath("td[3]/div[1]/a").each do |anchor|
    puts anchor['href']
    puts anchor['src']
    ...
end