如何从html表中删除链接的文本

Question

我想在html表中提取纯文本（也就是说，我不想抓取包括红色箭头在内的信息），

但是，我试图通过 cell.text 获取纯文本，它将获得不必要的超链接'文本

"\n            central tendency1 \n          "

我希望我能得到

"central tendency"

所以我尝试了cell.text.strip.downcase.gsub!(/\d/, "")，

然而 gsub 方法也会清除绿色矩形中的信息。

除了超链接文本之外，有没有办法获取html中的文字？

这是我需要解析的html link

Answer 1

您可以在使用nokogiri转换为文本之前删除所有链接：

table = doc.css(".page table")[0]
table.css("a").each(&:remove)

编辑：或者，您可以使用正则表达式，只删除字符串末尾的数字，如果它们前面有一个字母，这似乎可能适用于此特定情况但不能依赖于在类似情况下工作：

cell.text.strip.downcase.gsub(/(?<=\w)\d$/, "")