Question

使用Nokogiri，我正在尝试获取所有“第一”级p和ul HTML标记并且遇到一些困难。

例如，这是我正在使用的HTML

<p><strong>Just testing <em>something</em> out&nbsp;</strong>over here.</p>
<p>Here's a paragraph that contains bullets though:</p>
<ul>
    <li>One thing here.
        <ul>
            <li>One more thing</li>
        </ul>
    </li>
    <li>Another thing here</li>
</ul>
<p>
    <br>
</p>
<ul>
    <li>nothing</li>
</ul>
<p>Some more text.</p>

我想抓住所有段落和所有无序列表。由于无序列表未被p标记包围，因此我必须使用以下示例来获取这些标记：

#data = the HTML above
html = Nokogiri::HTML(data)
html.xpath("//p | //ul").each do |p|
 # some code
end

问题是html.xpath("//p | //ul")的输出如下所示：

<p><strong>Just testing <em>something</em> out </strong>over here.</p>
<p>Here's a paragraph that contains bullets though:</p>
<ul>
    <li>One thing here.
        <ul>
            <li>One more thing</li>
        </ul>
    </li>
    <li>Another thing here</li>
</ul>
<ul>
    <li>One more thing</li>
</ul>
<p>
    <br>
</p>
<ul>
    <li>nothing</li>
</ul>
<p>Some more text.</p>

正如您在那里看到的那样，One more thing会重复，因为它是ul内嵌套的ul标记之一。因此，我的代码最终会对此文本执行两次相同的操作。

所以我正在寻找的是“排除”嵌套标签，如果它与父级相同，那么当我运行html.xpath("//p | //u")或类似的东西时，它会查看ul标签并且只是将它全部视为xpath输出数组中的一个元素

Nokogiri有没有办法做到这一点？

Answer 1

您可以使用以下模式使用XPath选择特定名称的第一级元素：

//target_element[not(ancestor::target_element)]

因此，对于您的具体情况，XPath将如下：

//p[not(ancestor::p)] | //ul[not(ancestor::ul)]

如何捕获p和ul标签而不用Nokogiri抓取ul的嵌套标签？

1 个答案: