如何使用Hpricot解析嵌套的ul / li标签

Question

我有以下HTML结构

 <div id='my_categories'>
   <ul>
     <li><a href="1">Animals, Birds, & Pets</a></li>
     <li><a href="2">Ask the Expert</a>
       <ul>
         <li><a href='21'>Health Care Providers</a></li>
         <li><a href='22'>Influnza</a>
           <ul>
             <li><a href='221'>Flu Viruses (2)</a></li>
            <li><a href='222'>Test</a></li>
           </ul>
         </li>
       </ul>
     </li>
    </ul>
  </div>

这就是网页的外观

我需要的是，我有一个类别表，其中包含category_name，category_url和parent_id字段。

我需要保存每个类别和子类别。 parent_id表示此子类别属于哪个类别。

如何使用此Hpricot解析此HTML结构并将数据保存到我的数据库。请帮忙

我的表格似乎是

   id   category_name              category_url  Parent_id 
   1    Animals, Birds, & Pets     null          null
   2    Ask the expert             null          null
   3    Health Care Providers      null          2
   4    Influenza                  null          2
   5    Flu Viruses                null          4
   6    Test                       null          4

提前致谢

Answer 1

以下代码对我有用......

   doc = Hpricot(open(categories_page).read)
   doc.search("ul/li").each do |li| 
     category = li.search('a[@href]').first.inner_text.gsub(/ *\(.*?\)/, '')
     category_url = li.search('a').first[:href]
     category = Category.find_or_create_by_name(category, :url => category_url)

     puts "---------- #{category.name} ------------"
     nodes = li.search("ul/li/a")
     unless nodes.empty?
       nodes.each do |node|
         node_name = node.inner_text.gsub(/ *\(.*?\)/, '')
         node_url = node.attributes['href']
         sub_category = Category.find_by_name(node_name)
         if sub_category.blank?
           sub_category = Category.create(:name => node_name, :url => node_url, :parent_category_id => category.id)
           puts " #{sub_category.name}"
         else
           sub_category.update_attribute('parent_category_id', category.id)
           puts "  #{category.name} --> #{sub_category.name}"
         end
       end
     end    
   end