使用 mechanize 获取特定的所有标签？ （红宝石）

Question

我怎样才能让所有元素都跟随一次，比如：

<div id="exemple">
  <h2 class="target">foo</h2>
  <p>bla bla</p>
  <ul>
    <li>bar1</li>
    <li>bar2</li>
    <li>bar3</li>
  </ul>
  <h4>baz</h4> 
  <ul>
     <li>lot</li>
  </ul>
  <div>of</div>
  <p>possible</p>
  <p>tags</p>
  <a href="#">after</a>
</div>

我需要检测<h2 class="target">并将所有标签获取到下一个<h4>并忽略<h4>AND所有以下标签（如果<h4>不存在，我必须获取所有标签到父母的结尾[这里：<div>]）

内容是动态的和不可预测的 唯一的规则是：我们知道有一个目标并且有一个（或元素结尾）。我需要获取两者之间的所有标签并排除所有其他标签。

通过这个例子，我需要获得以下 HTML：

<h2 class="target">foo</h2>
<p>bla bla</p>
<ul>
  <li>bar1</li>
  <li>bar2</li>
  <li>bar3</li>
</ul>

所以我可以得到：target = page.at('#exemple .target') 我知道next_sibling方法，但是如何测试当前节点的tag类型呢？

我想用类似的方法来处理节点树：

html = ''
while not target.is_a? 'h4'
  html << target.inner_html
  target = target.next_sibling

我该怎么做？

Answer 1

您似乎想要返回 h2 元素及其以下同级元素。我不清楚您是要保留还是丢弃h4；如果你想保留它，XPath 将是：

//h2[@class="target"] | //h2[@class="target"]/following-sibling::*

如果需要排除h4:

//h2[@class="target"] | //h2[@class="target"]/following-sibling::*[not(self::h4)]

编辑：如果您需要排除 h4 和其他任何内容：

//h2[@class="target"] | //h2[@class="target"]/following-sibling::*[not(self::h4) | not(preceding-sibling::h4)]

Answer 2

你可以从你的节点集中减去你不想要的：

h2 = page.at('h2')
(h2.search('~ *') - h2.search('~ h4','~ h4 ~ *')).each do |el|
    # el is not a h4 and does not follow a h4
end

也许使用 xpath 更有意义，但我可以不用谷歌搜索。

你的迭代下一个兄弟的想法也可以：

el = page.at('h2 ~ *')
while el && el.name != 'h4'
    # do something with el
    el = el.at('+ *')
end