Question

我有以下HTML，我需要获取大胆标记之外的文本。例如'Submitted At：'我需要获取后面的时间戳。你会看到'Submitted At：被粗体标签包围，时间戳跟随，我无法检索它。

<body>
    <h2> … </h2>
    <b> … </b>
     jenkins
    <br></br>
    <b> … </b>
    <br></br>
    <b> … </b>
    <a href=""> … </a>
    <br></br>
    <b> … </b>
    <br></br>
    <b>
        Submitted At:
    </b>
     29-Jan-2016 17:12:24

我尝试过的事情。

@ browser.body.text.split（ “\ n” 个）

@ browser.body.split（ “\ n” 个）

body_html = Nokogiri :: HTML.parse（@ browser.body.html）

body_html.xpath（ “// //体B”）。文本

返回：“用户：JobName：JobConf：作业ACL：允许所有用户提交时间：发布时间：完成时间：状态：分析此作业”

我已经尝试了几个东西，比如xpath，普通的旧文本检索，但我无法得到我需要的东西。我也做了几次搜索，找不到我需要的东西。

Answer 1

首先，html失去了类和ID总是会带来挑战。当您想要访问仅在body标签中的文本时，情况会更糟。在这个特定的例子中，这应该工作：

flushdemo<-function() { cat("Please select the file folder where you would like the information to be populated\n") flush.console() file <- choose.dir() return(file) } flushdemo()

Answer 2

InnerHtml实际上就是它 - 它在HTMLstart和结束标记中。因此，您实际上正在查看外部标记的InnerHtml - <body>。
.text标记的<Body>会为您提供全文。如果标签将是动态索引是不会工作的。因此，如果您知道时间戳长度总是相同的，请获取整个文本，根据此字符串'Submitted At：'分隔/取消串，以达到最大时间戳长度。如果可能发生变化，这将是稳定的解决方案，而不是硬编码的索引值。即从该标签开始的拾取子串到时间戳的最大长度。

Answer 3

HTML似乎具有以下结构：

<b>标记，即字段描述和
以下文本节点，即字段值。

Watir只能返回所有元素的文本节点的串联。因此，它不能很好地处理这种需要将文本节点分开的结构。虽然您可以解析连接的字符串，但根据可能的字段描述/值，它可能容易出错。

因此，我建议使用Nokogiri解析HTML，因为它可以返回单个文本节点。这看起来像是：

html = browser.html
doc = Nokogiri::HTML(html)
p doc.at_xpath('//b[normalize-space(text()) = "Submitted At:"]
                 /following-sibling::text()[1]').text.strip
#=> "29-Jan-2016 17:12:24"

这里我们使用XPath来查找包含相关字段描述的<b>标记，“提交时间：”。从那个节点，我们找到了文本节点，即“紧随其后的”2016年1月29日17:12:24“。

如何使用watir webdriver

3 个答案: