如何将“<p> A </p>，<p> B </p>，<p> C </p>”转换为数组？

Question

我想将<p>A</p>,<p>B</p>,<p>C</p>转换为如下数组：

["A","B", "C"]

我试过了.scan(/(<p>)(.*?)(<\/p>)/i)。什么是Ruby中最方便/最健壮的方式，具有更高的容错能力？

Answer 1

在字符串片段上使用正则表达式

如果你知道你的HTML标签总是小写，并且你的段落主体总是大写，那么这将有效：

"<p>A</p>,<p>B</p>,<p>C</p>".scan /\p{Upper}/
#=> ["A", "B", "C"]

但它会很脆弱。这当然适用于您发布的语料库。

在您的HTML片段上使用Nokogiri

由于您有一个HTML片段，因此您应该使用解析器。例如：

require 'nokogiri'

doc = Nokogiri::HTML::DocumentFragment.parse "<p>A</p>,<p>B</p>,<p>C</p>"
doc.xpath(?p).map &:text
#=> ["A", "B", "C"]

除非你的输入是真正的病态，否则即使输入变化，Nokogiri也会从段落标记中可靠地提取文本节点，并且会忽略节点外部的无关字符，例如字符串片段中的逗号。

Answer 2

尝试这样的事情：

"<p>A</p>,<p>B</p>,<p>C</p>".gsub(/<p>|<\/p>/,'').split(',')

这将删除<p>和</p>并将结果字符串拆分为数组

Answer 3

在编辑正则表达式后删除<p>标记周围的括号，然后展平结果，我得到了你想要的输出。

"<p>A</p>,<p>B</p>,<p>C</p>".scan(/<p>(.*?)<\/p>/i).flatten

这会产生["A", "B", "C"]。

http://ideone.com/bfDtGc