Nokogiri Xpath在<TD>和<SPAN>中<BR>之后检索文本

Question

我有以下html,并想知道如何使用xpath检索所有信息: - 名称(第一,最后) - 尼克名称 - 电子邮件 - 送货地址...

主要是在之后检索文本<BR>.提前谢谢了.

<table>
<tr>
<td valign="top" width="50%" align="left">
<span>Buyer</span><br/>FirstName LastName<br/>NickName<br/>First.Last@SomeCompany.com</td>

<tr><td valign="top" width="40%" align="left">
<span><span>Shipping address - </span><span>confirmed</span></span><br/>FirstName LastName<br/>Attn: FirstName<br/>1234 Main St.<br/>TheCity, TheState, 12345<br/>United States<br/></td>
</tr></table>

在我发布上述问题之后,我了解到我可以做到这些,但看起来并不干净:

buyer = html.xpath("//span/text()[contains(., 'Buyer')]").first.parent 
buyer_name = buyer.next.next 
puts "Buyer's Full name: #{buyer_name.text}" 
buyer_nick = buyer_name.next.next 
puts "Buyer's Nick name: #{buyer_nick.text}" 
buyer_email = buyer_nick.next.next 
puts "Buyer's email: #{buyer_email.text}" 

我现在的问题是为什么html.xpath("// span/text()[contains(.,'Buyer')]")返回TEXT本身而不是ELEMENT.再次,谢谢!

Answer 1

<br>在处理 HTML 时，这是一个独特的问题。除了格式化页面中的内容之外，它们实际上并没有用于任何其他用途，即像 *nix 文本文件中的换行符一样换行。因此，在提取文本时处理它们时，我的策略是将它们转换为换行符。

将内容解析为 Nokogiri::HTML 文档：

doc = Nokogiri::HTML(html_doc_to_parse)

将其转换<br>为换行符：

doc.search('br').each { |br| br.replace("\n") }

然后，找到您想要的单元格：

doc.search('//td').map{ |td| td.content } 

这将返回类似以下内容：

doc.search('//td').map(&:content)
=> ["\n  Buyer\nFirstName LastName\nNickName\nFirst.Last@SomeCompany.com",
 "\n  Shipping address - confirmed\nFirstName LastName\nAttn: FirstName\n1234 Main St.\nTheCity, TheState, 12345\nUnited States\n"]

打印时看起来像这样：

puts doc.search('//td').map(&:content)

  Buyer
FirstName LastName
NickName
First.Last@SomeCompany.com

  Shipping address - confirmed
FirstName LastName
Attn: FirstName
1234 Main St.
TheCity, TheState, 12345
United States

从那里开始，确定所需的正确数组元素，然后在换行符上进行拆分，即String.split("\n").

Answer 2

这是一个简洁的方法:

name, nick, email, *addr = doc.search('//td/text()[preceding-sibling::br]')

puts name, nick, email, "--", addr

XPath完全按照你的说法执行:它接下来的所有文本节点br.地址被分成一个变量,但如果需要,可以单独获取组件.

输出:

FirstName LastName
NickName
First.Last@SomeCompany.com
--
FirstName LastName
Attn: FirstName
1234 Main St.
TheCity, TheState, 12345
United States