如何使用 Nokogiri 解析此 HTML？答案

【问题标题】：How do I parse this HTML using Nokogiri?如何使用 Nokogiri 解析此 HTML？
【发布时间】：2013-04-19 04:04:27
【问题描述】：

基于此 HTML：

<li><strong><a href="http://www.ukasta.org.uk/">United Kingdom Agricultural Supply Trade Association</a> (UKASTA)</strong></li>

我想获取United Kingdom Agricultural Supply TradeAssociation 和(UKASTA) 字符串。

使用 Nokogiri，我写道：

linklist=link.parent.parent.css('li strong a')
linklist.each do |f|
  puts f.text
end

f.text是“英国农业供应贸易协会”，但是我如何获得“（UKASTA）”？

【问题讨论】：

标签： ruby html-parsing nokogiri

【解决方案1】：

你潜得太深了。我会使用：

require 'nokogiri'

html = '<li><strong><a href="http://www.ukasta.org.uk/">United Kingdom Agricultural Supply Trade Association</a> (UKASTA)</strong></li>'
doc = Nokogiri::HTML(html)
doc.at('strong').text

"United Kingdom Agricultural Supply Trade Association (UKASTA)"

如果您必须找到<a> 节点，您可以使用以下命令访问“(UKASTA)”：

a_node = doc.at('a')
a_node.text
=> "United Kingdom Agricultural Supply Trade Association"
a_node.next_sibling.text
=> " (UKASTA)"

【讨论】：

【解决方案2】：

您可以使用children方法，然后通过位置识别数据：

require 'nokogiri'

html_doc = Nokogiri::HTML("<html><li><strong><a href="">United Kingdom Agricultural Supply Trade Association</a>(UKASTA)</strong></li></html>")

html_doc.css('li strong').children[0].text
=> United Kingdom Agricultural Supply Trade Association
html_doc.css('li strong').children[1]
=> (UKASTA)

【讨论】：

注意，如果你想把它组合成一个字符串，你也可以通过html_doc.css('li strong').text得到United Kingdom Agricultural Supply Trade Association (UKASTA)
.css('li strong').children[0] 是获取所需节点的一种尴尬方式。 css 返回一个类似于数组的 NodeSet。然后你说children，这将是另一个数组，然后[0] 得到第一个元素。请改用at 而不是css。它将访问器的第一次出现作为节点返回，因此它很好地短路了.css('li strong').children[0]。