Question

我有一个看起来像这样的文件：

<div id="block">
    <a href="http://google.com">link</a>
</div>

我无法让Nokogiri获得href属性的值。我想将地址作为字符串存储在Ruby变量中。

Answer 1

html = <<HTML
  <div id="block">
    <a href="http://google.com">link</a>
  </div>
HTML
doc = Nokogiri::HTML(html)
doc.xpath('//div/a/@href')
#=> [#<Nokogiri::XML::Attr:0x80887798 name="href" value="http://google.com">]

或者如果你想更具体地谈论div：

>> doc.xpath('//div[@id="block"]/a/@href')
=> [#<Nokogiri::XML::Attr:0x80887798 name="href" value="http://google.com">]
>> doc.xpath('//div[@id="block"]/a/@href').first.value
=> "http://google.com"

Answer 2

doc = Nokogiri::HTML(open("[insert URL here]"))
href = doc.css('#block a')[0]["href"]

变量href被分配给ID为"href"的元素内<a>元素的'block'属性值。行doc.css('#block a')返回包含#block a属性的单个项目数组。 [0]以单个元素为目标，该元素是包含所有属性名称和值的哈希。 ["href"]以该哈希中的"href"为目标，返回值，该值是包含url的字符串。

Answer 3

以各种形式挣扎于这个问题，我决定自己写一个伪装成答案的教程。这可能对其他人有所帮助。

从这个片段开始：

require 'rubygems'
require 'nokogiri'

html = <<HTML
<div id="block1">
    <a href="http://google.com">link1</a>
</div>
<div id="block2">
    <a href="http://stackoverflow.com">link2</a>
    <a id="tips">just a bookmark</a>
</div>
HTML

doc = Nokogiri::HTML(html)

提取所有链接

我们可以使用xpath或css查找所有元素，然后只保留具有href属性的元素：

nodeset = doc.xpath('//a')      # Get all anchors via xpath
nodeset.map {|element| element["href"]}.compact  # => ["http://google.com", "http://stackoverflow.com"]

nodeset = doc.css('a')          # Get all anchors via css
nodeset.map {|element| element["href"]}.compact  # => ["http://google.com", "http://stackoverflow.com"]

但是有更好的方法：在上述情况下，.compact是必要的，因为搜索也会返回“只是书签”元素。我们可以使用更精确的搜索来查找包含href属性的元素：

attrs = doc.xpath('//a/@href')  # Get anchors w href attribute via xpath
attrs.map {|attr| attr.value}   # => ["http://google.com", "http://stackoverflow.com"]

nodeset = doc.css('a[href]')    # Get anchors w href attribute via css
nodeset.map {|element| element["href"]}  # => ["http://google.com", "http://stackoverflow.com"]

找到特定链接

在<div id="block2">

中查找链接

nodeset = doc.xpath('//div[@id="block2"]/a/@href')
nodeset.first.value # => "http://stackoverflow.com"

nodeset = doc.css('div#block2 a[href]')
nodeset.first['href'] # => "http://stackoverflow.com"

如果您知道自己只搜索一个链接，则可以改为使用at_xpath或at_css：

attr = doc.at_xpath('//div[@id="block2"]/a/@href')
attr.value          # => "http://stackoverflow.com"

element = doc.at_css('div#block2 a[href]')
element['href']        # => "http://stackoverflow.com"

找到关联文字的链接

如果您知道与链接相关联的文字并想要查找其网址，该怎么办？一个小的xpath-fu（或css-fu）派上用场：

element = doc.at_xpath('//a[text()="link2"]')
element["href"]     # => "http://stackoverflow.com"

element = doc.at_css('a:contains("link2")')
element["href"]     # => "http://stackoverflow.com"

从链接中找到文本

如果您想查找与特定链接相关联的文本，该怎么办？不是问题：

element = doc.at_xpath('//a[@href="http://stackoverflow.com"]')
element.text     # => "link2"

element = doc.at_css('a[href="http://stackoverflow.com"]')
element.text     # => "link2"

有用的参考资料

除了广泛的Nokorigi documentation之外，我在写这篇文章时遇到了一些有用的链接：

Answer 4

doc = Nokogiri::HTML("HTML ...")
href = doc.css("div[id='block'] > a")
result = href['href'] #http://google.com

Answer 5

data = '<html lang="en" class="">
    <head>
    <a href="https://example.com/9f40a.css" media="all" rel="stylesheet" /> link1</a>
    <a href="https://example.com/4e5fb.css" media="all" rel="stylesheet" />link2</a>
    <a href="https://example.com/5s5fb.css" media="all" rel="stylesheet" />link3</a>
   </head>
  </html>'

以下是我尝试上面的HTML代码示例：

doc = Nokogiri::HTML(data)
doc.xpath('//@href').map(&:value)
=> [https://example.com/9f40a.css, https://example.com/4e5fb.css, https://example.com/5s5fb.css]

Answer 6

document.css("#block a")["href"]

其中document是被解析的Nokogiri HTML。

获取Nokogiri中属性的值以提取链接URL

6 个答案:

提取所有链接

找到特定链接

找到关联文字的链接

从链接中找到文本

有用的参考资料