Question

我正在从网址抓取一个div文本，并希望删除具有backtotop类的段落下的所有内容。我在stackoverflow上看到了一个遍历代码片段看起来很有希望，但我无法弄清楚如何将它合并到一起，所以@el只包含div中第一个p.backtotop的所有内容。

我的代码：

@doc = Nokogiri::HTML(open(url))
@el = @doc.css("div")[0]
end

traverse snippet：

doc = Nokogiri::HTML(code)
stop_node = doc.css("p.backtotop")
doc.traverse do |node|
break if node == stop_node
# else, do whatever, e.g. `puts node.name`
end

Answer 1

找到你想要的div。
找到您想要的“停止”项目，然后找到以下所有兄弟姐妹。
删除它们。

例如：

<body>
  <div id="a">
    <h2>My Section</h2>
    <p class="backtotop">Back to Top</p>
    <p>More Content</p>
    <p>Even More Content</p>
  </div>
</body>

require 'nokogiri'
doc = Nokogiri::HTML(my_html)
div = doc.at('#a')
div.at('.backtotop').xpath('following-sibling::*').remove
puts div
#=> <div id="a">
#=>     <h2>My Section</h2>
#=>     <p class="backtotop">Back to Top</p>
#=>     
#=>     
#=>   </div>

这是一个更复杂的例子，其中backtotop项可能不在div的根部：

<body>
  <div id="b">
    <h2>Another Section</h2>
    <section>
      <p class="backtotop">Back to Top</p>
      <p>More Content</p>
     </section>
    <p>Even More Content</p>
  </div>
</body>

require 'nokogiri'
doc = Nokogiri::HTML(my_html)
div = doc.at('#b')
n   = div.at('.backtotop')
until n==div
  n.xpath('following-sibling::*').remove
  n = n.parent
end

puts div
#=> <div id="b">
#=>     <h2>Another Section</h2>
#=>     <section><p class="backtotop">Back to Top</p>
#=>       
#=>      </section>
#=>   </div>

如果您的HTML比上述更复杂，请提供实际样本以及您想要的结果。 对于您提出的任何未来问题，这是一个很好的建议。

Answer 2

似乎我应该选择我需要的东西;不删除东西 - 请参阅此处的优秀解决方案 Nokogiri: Select content between element A and B

删除指定节点后的所有节点

2 个答案: