Question

我想我需要一个hpricot和regex的组合。我需要搜索'a'标签，其'href'属性以'abc /'开头，并返回其后的文本，直到下一个正斜杠'/'。

所以，给定：

<a href="/abc/12345/xyz123/">One</a>
<a href="/abc/67890/xyzabc/">Two</a>

我需要回来： '12345' 和 '67890'

任何人都可以伸出援手吗？我一直在努力解决这个问题。

Answer 1

如何将字符串拆分为/？

（我不知道Hpricot，但根据文档）：

doc.search("a[@href]").each do |a|
    return a.somemethodtogettheattribute("href").split("/")[2]; // 2, because the string starts with '/'
end

Answer 2

或使用正则表达式：

s = '<a href="/abc/12345/xyz123/">One</a>'
s =~ /abc\/([^\/]*)/
return $1

Answer 3

您不需要正则表达式但可以使用它。这里有两个例子，一个是正则表达式而另一个没有，使用Nokogiri，它应该与Hpricot兼容供你使用，并使用CSS访问器：

require 'nokogiri'

html = %q[
  <a href="/abc/12345/xyz123/">One</a>
  <a href="/abc/67890/xyzabc/">Two</a>
]

doc = Nokogiri::HTML(html)
doc.css('a[@href]').map{ |h| h['href'][/(\d+)/, 1] } # => ["12345", "67890"]
doc.css('a[@href]').map{ |h| h['href'].split('/')[2] } # => ["12345", "67890"]

使用hpricot获取href属性的一部分

3 个答案: