Question

我正在开发一个vim rspec插件（https://github.com/skwp/vim-rspec） - 我正在从rspec解析一些html。它看起来像这样：

doc = %{
<dl>
  <dt id="example_group_1">This is the heading text</dt>
  Some puts output here
 </dl>
}

我可以获得使用的全部内容：

(Hpricot.parse(doc)/:dl).first.inner_html

我可以通过

获得dt

(Hpricot.parse(doc)/:dl).first/:dt

但是如何才能访问“Some puts output here”区域？如果我使用inner_html，还有太多其他垃圾要解析。我查看了hpricot文档，但是没有看到一个简单的方法来获取html元素的内部文本，而忽略了它的html子元素。

Answer 1

我最终通过手动解析孩子来找出自己的路线：

(@context/"dl").each do |dl|
  dl.children.each do |child|
    if child.is_a?(Hpricot::Elem) && child.name == 'dd'
      # do stuff with the element
    elsif child.is_a?(Hpricot::Text)
      text=child.to_s.strip
      puts text unless text.empty?
    end
  end

Answer 2

请注意，这是您的HTML。如果您可以控制它，则应将所需内容包装在<dd>中。
在XML术语中，您要查找的是<dt>元素后面的TextNode。在我的评论中，我展示了如何在Nokogiri中使用XPath选择此节点。
但是，如果您必须使用Hpricot，并且无法选择使用它的文本节点，那么您可以通过获取inner_html然后删除不需要的内容来解决这个问题：
```
(Hpricot.parse(doc)/:dl).first.inner_html.sub %r{<dt>.+?</dt>}, ''
```

Hpricot：如何在没有其他html子元素的情况下提取内部文本

2 个答案: