Question

我正在尝试用Ruby学习脚本，这是我的第一个问题。

我有一个包含州及其城市的HTML文件。我需要能够在我的Ruby代码中访问城市并知道它们属于哪个州，所以我计划解析HTML并为每个城市创建一个哈希，如下所示：{New York =＆gt;纽约市}。

我正在尝试使用Nokogiri，我现在才开始学习。

  <h4>State</h4>
  <ul>
    <li>city</li>
    <li>city</li>
    <li>city</li>
  </ul>
  <h4>State</h4>
  <ul>
    <li>city</li>
    <li>city</li>
    <li>city</li>
  </ul>
  <h4>State</h4>
  <ul>
    <li>city</li>
    <li>city</li>
    <li>city</li>
  </ul>

我正在使用它将状态变为数组：

require 'rubygems'
require 'nokogiri'

page = Nokogiri::HTML(open("to_parse.html"))

states = Array.new(100), index = 0

page.css('h4').each do |s|

    states[index]   = s.text
    puts states[index]

    index += 1
end

这实际上并没有真正帮助;我需要弄清楚如何让Nokogiri将每个列表的元素解析为包含城市及其状态的hashes。我不确定如何在完成一个州的城市列表时有一个循环中断，并为下一个州的城市列表创建一组新的hashes。

我想我必须为每个列表元素创建一个hash，并在每个h4内存储该列表的hash标记文本，所以我知道哪个这个城市属于。这就是我不确定该怎么做。

随意提供一些关于重构我所得到的建议，因为我知道它可以做得更好。

Answer 1

XPath选择器可以帮助你。

states = doc.css('li').map do |city|
  state = city.xpath('../preceding-sibling::h4[1]')
  [city.text, state.text]
end.to_h

#=> {'city' => 'State', ...}

这会抓取所有li城市元素，然后追溯到他们的状态。（XPath如下所示：.. =向上一级，preceding-sibling::h4 =前面的h4元素，[1] =第一个这样的元素）

对您的代码的一些评论：在Ruby中，您不需要初始化数组，并且使用像map这样的Enumerable方法，您永远不需要在循环中跟踪索引变量。

请注意，最终的to_h仅适用于Ruby 2.1或更高版本。

使用Nokogiri在HTML文件中解析多个列表

1 个答案: