Question

我正在尝试使用<li>元素帮助识别span元素中的文本，该元素包含＆＃34; Inhalt：＆＃34;。

我想要的文字是＆＃34; 0,75l＆＃34;。

这是HTML代码：

<li class="product--tax is-left">
   <span class="label--purchase-unit">Inhalt:</span>
0,75 l #text I want to get
</li>

如果尝试过这个，但它似乎不起作用：

doc.search("[text()*='Inhalt:']").parent.xpath('text()')

Answer 1

您正在尝试查找<span>后面的文本节点。一旦你知道<span>在哪里：

，这很容易做到

require 'nokogiri'

doc = Nokogiri::HTML(<<EOT)

<li class="product--tax is-left">
   <span class="label--purchase-unit">Inhalt:</span>
0,75 l
</li>
EOT

这些是实现目标的各种方式：

doc.at('li span').next_sibling.text.strip # => "0,75 l"
doc.at('li.product--tax span.label--purchase-unit').next_sibling.text.strip # => "0,75 l"
doc.at('.label--purchase-unit').next_sibling.text.strip # => "0,75 l"
doc.at('span.label--purchase-unit').next_sibling.text.strip # => "0,75 l"

继续......

doc.search("[text()*='Inhalt:']").parent.xpath('text()')

是尝试查找节点的不好方法：

search返回一个NodeSet，它将是文档中所有匹配的节点。虽然这种特殊用途可能只有一次＆＃34; Inhalt：＆＃34;，但在另一个包含目标词的多个实例的文档中，您将获得多次点击并获得垃圾结果。
parent不是NodeSet的一种方法，因此会爆炸。
parent.xpath不是继续选择器的好方法。相反，要在XPath中实现这一点，您应该使用类似的东西：
```
[text()*='Inhalt:']/../text()
```
..表示移至XPath-lingo中当前节点的父节点。这不是我的头脑，但看起来是正确的。

为什么使用at而不是.css或.xpath？

at相当于search('some_selector').first，因此它是查找该选择器第一次出现的简写。 at和search是通用方法，采用XPath或CSS，并依赖一些启发式方法来确定选择器是XPath还是CSS字符串。他们可以被愚弄，但大部分时间他们比xpath，css，at_xpath或{{1}更安全，更方便变种。

如果标记可能包含您要识别的多个节点，请相应地调整at_css和at的使用。

我们看到人们经常摔倒，这有点混乱。 search和at变体返回一个节点，at_*及其search和xpath变体返回一个NodeSet。当尝试从搜索css中提取文本时，会做出意想不到的事情。冥想：

text

此行为已记录在案，但人们很少阅读该信息，然后尝试弄清楚如何在两个节点被修复后恢复它们的文本。

参见＆＃34; How to avoid joining all text from Nodes when scraping＆＃34;还

如何在li元素中的标记之后获取文本

1 个答案: