Question

我试图想出一种方法来计算包含html的特定字符串中的单词。

示例字符串：

<p>Hello World</p>

Ruby中有没有办法计算p标签之间的单词？或者这个问题的任何标签？

示例：

<p>Hello World</p>
<h2>Hello World</h2>
<li>Hello World</li>

提前致谢！

编辑（这是我的工作代码）

控制器：

class DashboardController < ApplicationController
  def index
    @pages = Page.find(:all)
    @word_count = []
  end

end

查看：

<% @pages.each do |page| %>

        <%  page.current_state.elements.each do |el| %>
            <% @count = Hpricot(el.description).inner_text.split.uniq.size  %>
            <% @word_count << @count %>
        <% end %>

            <li><strong>Page Name: <%= page.slug %> (Word Count: <%= @word_count.inject(0){|sum,n| sum+n } %>)</strong></li>

<% end %>

Answer 1

以下是您可以这样做的方法：

require 'hpricot'
content = "<p>Hello World...."
doc = Hpricot(content)
doc.inner_text.split.uniq

会给你：

[
  [0] "Hello",
  [1] "World"
]

（旁注：输出格式为awesome_print，我热烈推荐）

Answer 2

不确定

使用Nokogiri解析HTML / XML和XPath以查找元素及其文本值。
在空格上拆分以计算单词

Answer 3

你会想要使用像Hpricot这样的东西去除HTML，然后它只是用纯文本计算单词的情况。

以下是剥离HTML的示例：http://underpantsgnome.com/2007/01/20/hpricot-scrub/

Answer 4

首先从能够解析像Hpricot这样的HTML的东西开始，然后使用简单的正则表达式来做你想做的事情（你只能拆分空格然后再计算）

用Ruby计算字数

4 个答案: