我想从html文件中删除所有外部资源。 我正在使用wget制作页面的一些本地副本。 Wget有将链接转换为本地文件系统的选项，这是相当不错的，但仍然有一些链接（在我认为下载深度的末尾）保留其外部src，因此它们包含http。
我能找到包含http的所有内容的最接近的是：
doc.search（“// * [starts-with（@href，'http'）]”）
但是，这只是发现href元素和http也可以在图像，视频和任何东西中。 对于Nokogiri告诉我包含http的所有内容的任何想法是什么？
感谢。
答案 0 :(得分：2)
如果您只想将搜索范围扩展为任何属性，以“http”开头的元素，您可以这样做：
doc.search("//*[@*[starts-with(.,'http')]]")