如何一次访问一个<p>标记

Question

我有以下HTML：

<div id="test_id">
    <p>Some words.</p>
    <p>Some more words.</p>
    <p>Even more words.</p>
</div>

如果我使用以下方式解析HTML：

doc = Nokogiri::HTML(open("http://my_url"))

并运行

doc.css('#test_id').text

在控制台中我得到：

=> "Some words.\nSome more words.\nEven more words"

如何仅获取第一个<p>元素？

我想我用.children

来解决这个问题

doc.css('#test_id').children[0].text

这是正确的方法吗？

Answer 1

问题是你没有在正确类型的对象上使用text。

如果您正在查看NodeSet text文档中的Node：

  

获取所有包含的Node对象的内部文本

如果你正在查看How to avoid joining all text from Nodes when scraping AKA元素，它会说：

  

返回此节点的内容

区别在于：

require 'nokogiri'

doc = Nokogiri::HTML(<<EOT)
<div id="test_id">
    <p>Some words.</p>
    <p>Some more words.</p>
    <p>Even more words.</p>
</div>
EOT

doc.search('p').class  # => Nokogiri::XML::NodeSet
doc.search('p').text  # => "Some words.Some more words.Even more words."

doc.at('p').class  # => Nokogiri::XML::Element
doc.at('p').text  # => "Some words."

at与search(...).first类似。

通常，如果我们想要使用NodeSet的文本：

doc.search('p').map(&:text)  # => ["Some words.", "Some more words.", "Even more words."]

可以轻松选择特定节点的文本。

另请参阅“”。

  

doc.css('#test_id').children[0].text

嗯，是的，你可以这样做，但children不会做同样的事情：

doc.search('#test_id').children
# => [#<Nokogiri::XML::Text:0x3fc31580ca24 "\n    ">, #<Nokogiri::XML::Element:0x3fc315103714 name="p" children=[#<Nokogiri::XML::Text:0x3fc31580d5a0 "Some words.">]>, #<Nokogiri::XML::Text:0x3fc315107f44 "\n    ">, #<Nokogiri::XML::Element:0x3fc3151036ec name="p" children=[#<Nokogiri::XML::Text:0x3fc315107cc4 "Some more words.">]>, #<Nokogiri::XML::Text:0x3fc315107b20 "\n    ">, #<Nokogiri::XML::Element:0x3fc3151036c4 name="p" children=[#<Nokogiri::XML::Text:0x3fc3151078a0 "Even more words.">]>, #<Nokogiri::XML::Text:0x3fc3151076fc "\n">]
doc.search('#test_id').children[0] # => #<Nokogiri::XML::Text:0x3fc31580ca24 "\n    ">
doc.search('#test_id').children[1] # => #<Nokogiri::XML::Element:0x3fc315103714 name="p" children=[#<Nokogiri::XML::Text:0x3fc31580d5a0 "Some words.">]>

与

doc.search('#test_id p')
# => [#<Nokogiri::XML::Element:0x3fc315103714 name="p" children=[#<Nokogiri::XML::Text:0x3fc31580d5a0 "Some words.">]>, #<Nokogiri::XML::Element:0x3fc3151036ec name="p" children=[#<Nokogiri::XML::Text:0x3fc315107cc4 "Some more words.">]>, #<Nokogiri::XML::Element:0x3fc3151036c4 name="p" children=[#<Nokogiri::XML::Text:0x3fc3151078a0 "Even more words.">]>]
doc.search('#test_id p')[0] # => #<Nokogiri::XML::Element:0x3fc315103714 name="p" children=[#<Nokogiri::XML::Text:0x3fc31580d5a0 "Some words.">]>
doc.search('#test_id p')[1] # => #<Nokogiri::XML::Element:0x3fc3151036ec name="p" children=[#<Nokogiri::XML::Text:0x3fc315107cc4 "Some more words.">]>

注意children如何返回用于格式化HTML的标记之间的文本节点。您必须知道children会在所选标记下方的HTML中返回所有。这有时很有用，但对于一般的文本检索，它可能不是你想要的。

相反，使用更具选择性的'#test_id p'选择器并迭代返回的NodeSet，您将避免格式化文本节点，并且在将Node或索引用于NodeSet时不必考虑它们。 / p>

Answer 2

您也可以试试这个。

$("p:first-child").text();

这将为您提供任何父元素的所有第一个子元素。所以对于你的例子它应该工作