xec*_*ner 6 html ruby xpath nokogiri scraper
我有一个很棒的HTML页面.但我想使用Xpath选择某些节点:
<html>
........
<!-- begin content -->
<div>some text</div>
<div><p>Some more elements</p></div>
<!-- end content -->
.......
</html>
我可以在<!-- begin content -->使用后选择HTML :
"//comment()[. = ' begin content ']/following::*"
我也可以在<!-- end content -->使用之前选择HTML :
"//comment()[. = ' end content ']/preceding::*"
但是,我必须让XPath选择两条评论之间的所有HTML吗？
Jus*_* Ko 17
我会寻找前面有第一条评论的元素,然后是第二条评论:
doc.xpath("//*[preceding::comment()[. = ' begin content ']]
[following::comment()[. = ' end content ']]")
#=> <div>some text</div>
#=> <div>
#=> <p>Some more elements</p>
#=> </div>
#=> <p>Some more elements</p>
请注意,上面给出了介于两者之间的每个元素.这意味着如果迭代每个返回的节点,您将获得一些重复的嵌套节点 - 例如"更多元素".
我想你可能实际上想要在两者之间获得顶级节点 - 即评论的兄弟姐妹.这可以使用preceding/following-sibling替代来完成.
doc.xpath("//*[preceding-sibling::comment()[. = ' begin content ']]
[following-sibling::comment()[. = ' end content ']]")
#=> <div>some text</div>
#=> <div>
#=> <p>Some more elements</p>
#=> </div>
更新 - 包括评论
//*仅使用返回元素节点,其中不包含注释(以及其他一些注释).你可以改变*到node()返回的一切.
puts doc.xpath("//node()[preceding-sibling::comment()[. = 'begin content']]
[following-sibling::comment()[. = 'end content']]")
#=>
#=> <!--keywords1: first_keyword-->
#=>
#=> <div>html</div>
#=>
如果您只想要元素节点和注释(即不是所有内容),您可以使用self轴:
doc.xpath("//node()[self::* or self::comment()]
[preceding-sibling::comment()[. = 'begin content']]
[following-sibling::comment()[. = 'end content']]")
#~ #=> <!--keywords1: first_keyword-->
#~ #=> <div>html</div>