Question

我有一些奇怪的格式化HTML文件，我必须解析。

这是我的Ruby代码：

File.open('2.html', 'r:utf-8') do |f| 
    @parsed = Nokogiri::HTML(f, nil, 'windows-1251')
    puts @parsed.xpath('//span[@id="f5"]//div[@id="f5"]').inner_text
end

我想解析一个包含以下内容的文件：

<span style="position:absolute;top:156pt;left:24pt" id=f6>36.4.1.1. варенье, джемы, конфитюры, сиропы</span>
<div style="position:absolute;top:167.6pt;left:24.7pt;width:709.0;height:31.5;padding-top:23.8;font:0pt Arial;border-width:1.4; border-style:solid;border-color:#000000;"><table></table></div>
<span style="position:absolute;top:171pt;left:28pt" id=f5>003874</span>
<div style="position:absolute;top:171pt;left:99pt" id=f5>ВАРЕНЬЕ &quot;ЭКОПРОДУКТ&quot; ЧЕРНАЯ СМОРОДИНА</div>
<div style="position:absolute;top:180pt;left:99pt" id=f5>325гр.  </div>
<div style="position:absolute;top:167.6pt;left:95.8pt;width:2.8;height:31.5;padding-top:23.8;font:0pt Arial;border-width:0 0 0 1.4; border-style:solid;border-color:#000000;"><table></table></div>

我需要选择<div>或<span> id==5。使用我当前的XPath选择器是不可能的。例如，如果我删除//span[@id="f5"]，则会正确选择div。我可以一个接一个地输出它们：

puts @parsed.xpath('//div[@id="f5"]').inner_text
puts @parsed.xpath('//span[@id="f5"]').inner_text

然后订单将是一个完整的混乱。解析后的span必须直接位于原始文件的div下方。

我错过了一些基础知识吗？我没有在网上找到关于两个元素的并行解析的任何内容。大多数帖子都关注解析div的两个类，例如一次解析两个不同的元素。

Answer 1

如果我理解正确，您可以使用以下XPath：

//*[self::div or self::span][@id="f5"]

<强> xpathtester demo

上面的XPath将找到名为div或span的元素，其id属性值等于"f5"

输出

<span id="f5" style="position:absolute;top:171pt;left:28pt">003874</span>

<div id="f5" style="position:absolute;top:171pt;left:99pt">ВАРЕНЬЕ "ЭКОПРОДУКТ" ЧЕРНАЯ СМОРОДИНА</div>

<div id="f5" style="position:absolute;top:180pt;left:99pt">325гр.</div>

在Nokogiri同时访问两个元素

1 个答案: