Question

使用Nokogiri，我需要解析给出的块：

<div class="some_class">
  12 AB / 4+ CD
  <br/>
  2,600 Dollars
  <br/> 
</div>

我需要获取ab，cd和dollars值（如果存在）。

ab = p.css(".some_class").text[....some regex....]
cd = p.css(".some_class").text[....some regex....]
dollars = p.css(".some_class").text[....some regex....]

这是对的吗？如果是这样，有人可以帮助我使用正则表达式来解析ab，cd和dollars值吗？

Answer 1

要获得更好的答案，您必须明确说明AB，CD和Dollar值的确切格式，但这是基于给定示例的解决方案。它使用正则表达式分组()来捕获我们感兴趣的信息。（有关详细信息，请参阅答案底部）

text = p.css(".some_class").text

# one or more digits followed by a space followed by AB, capture the digits
ab = text.match(/(\d+) AB/).captures[0] # => "12"

# one of more non digits followed by a literal + followed by CD
cd = text.match(/(\d+\+) CD/).captures[0] # => "4+"

# digits or commas followed by "Dollars"
dollars = text.match(/([\d,]+) Dollars/).captures[0] # => "2,600"

请注意，如果没有匹配，则String#match会返回nil，因此如果值可能不存在，则需要进行检查，例如。

if match = text.match(/([\d,]+) Dollars/)
  dollars = match.captures[0]
end

捕获的其他说明

为了匹配AB的数量，我们需要一个模式/\d+ AB/来识别文本的正确部分。但是，我们真的只对数字部分感兴趣所以我们用括号括起来，以便我们可以提取它。 e.g。

irb(main):027:0> match = text.match(/(\d+) AB/)
=> #<MatchData:0x2ca3440>           # the match method returns MatchData if there is a match, nil if not
irb(main):028:0> match.to_s         # match.to_s gives us the entire text that matched the pattern
=> "12 AB"
irb(main):029:0> match.captures     
=> ["12"]
# match.captures gives us an array of the parts of the pattern that were enclosed in ()
# in our example there is just 1 but there could be multiple
irb(main):030:0> match.captures[0]
=> "12"                             # the first capture - the bit we want

请查看MatchData的文档，特别是captures方法，了解更多详情。

Answer 2

这是一个较旧的帖子，但我偶然发现了它。以下是我如何定位值以及存储值的可用方法：

require "ap"
require "nokogiri"

xml = <<EOT
<div class="some_class">
  12 AB / 4+ CD
  <br/>
  2,600 Dollars
  <br/> 
</div>
EOT

doc = Nokogiri::XML(xml)

some_class = doc.at('.some_class').text

values = some_class
  .scan(/([\d+]+) ([a-z,]+)/i)
  .each_with_object({}){ |(v,c), h| h[c] = v.to_i }

values # => {"AB"=>12, "CD"=>4, "Dollars"=>600}

正则表达式解析使用Nokogiri

2 个答案: