使用Nokogiri在HTML中提取特定节点

时间:2015-10-19 19:28:34

标签: html ruby xpath html-parsing nokogiri

我想在这个红宝石脚本中使用Nokogiri从HTML中提取一些值:

#!/usr/bin/ruby
require 'Nokogiri'

doc = Nokogiri::HTML(<<-END_OF_HTML)
  <html>
  <meta content="text/html; charset=UTF-8"/>
  <body style='margin:20px'>
    <p>The following user has registered a device, click on the link below to review the user and make any changes if necessary.</p>
    <ul style='list-style-type:none; margin:25px 15px;'>
      <li><b>User name:</b> Test User</li>
      <li><b>User email:</b> test@abc.com</li>
      <li><b>Identifier:</b> abc123def132afd1213afas</li>
      <li><b>Description:</b> Tom's iPad</li>
      <li><b>Model:</b> iPad 3</li>
      <li><b>Platform:</b> </li>
      <li><b>App:</b> Test app name</li>
      <li><b>UserID:</b> </li>
     </ul>
    <p>Review user: https://cirrus.app47.com/users?search=test@abc.com</p>            <hr style='height=2px; color:#aaa'/>
        <p>We hope you enjoy the app store experience!</p>
        <p style='font-size:18px; color:#999'>Powered by App47</p>
      <img src='https://cirrus.app47.com/notifications/562506219ac25b1033000904/img' alt=''/></body></html>
END_OF_HTML

具体来说,我希望获得一些列表成员的值,例如"Identifier:""User name:",并将它们存储在字符串中。

我确定我需要使用xpath,但这是关于它的。我的理解是xpath进行节点选择。

我需要使用xpath指定什么,然后如何选择某些变量?

完整解决方案

最后我真的问了两个问题。

问题1(隐含):如何使用xpath查看搜索结果?

doc.xpath("SPECIFY_SEARCH_HERE").each do |node|
puts node
end

这是有效的,因为xpath返回一个你可以解析的数组,然后你可以用结果做你想做的事情(在我的例子中,打印)。

问题2:如何获取特定列表项的值?

str = doc.xpath("//ul/li[contains(b, 'Identifier')]/text()").to_s.strip

我对这条线的分析是有限的,但看起来它是这样的:

  1. 使用以下代码查找li子键的位置://ul/li
  2. 选择包含&#39;标识符&#39;
  3. 的粗体键(b
  4. 从#2:/text()
  5. 中提取选择的值
  6. .to_s.strip将选择转换为字符串并删除前导/尾随空格
  7. 对于精通HTML / Ruby / Xpath的人,请随时更新精确解释。

1 个答案:

答案 0 :(得分:2)

这将返回您要求的两个值

//ul/li[contains(b, 'Identifier') or contains(b, 'User name')]/text()

当然,您可以修改xpath并一次只获取1个值。

//ul/li[contains(b, 'Identifier')]/text()