: 在 Nokogiri 中有 CSS 伪类

Question

我正在寻找Nokogiri 中的伪类:has。 它应该像 jQuery 的 has selector 一样工作。

例如：

<li><h1><a href="dfd">ex1</a></h1><span class="string">sdfsdf</span></li>
<li><h1><a href="dsfsdf">ex2</a></h1><span class="string"></span></li>
<li><h1><a href="sdfd">ex3</a></h1></li>

CSS 选择器应该只返回第一个链接，即具有非空span.string 兄弟的链接。

在 jQuery 中这个选择器效果很好：

$('li:has(span.string:not(:empty))>h1>a')

但不是在 Nokogiri：

Nokogiri::HTML(html_source).css('li:has(span.string:not(:empty))>h1>a')

:not 和 :empty 效果很好，但不是 :has。

---

1. Nokogiri 中是否有任何关于 CSS 选择器的文档？
2. 也许有人可以编写一个自定义的:has 伪类？这是example 如何编写:regexp 选择器。
3. 我可以选择使用 XPath。如何为li:has(span.string:not(:empty))>h1>a 编写 XPath？

Answer 1

好的，我找到了一个可能对某人有用的解决方案。

自定义伪类:custom_has:

class MyCustomSelectors
  def custom_has node_set, selector
      node_set.find_all { |node| node.css(selector).present? }
  end
end

#usage:
doc.css('li:custom_has(span.string:not(:empty))>h1>a',MyCustomSelectors.new)

为什么我声明 :custom_has 而不仅仅是 :has？因为已经声明过了。 在 Nokogiri 存储库中，tests 用于 :has 选择器，但它们不起作用。我reported this issue给作者。

Answer 2

Nokogiri 允许在同一对象上链接 .css() 和 .xpath() 调用。因此，任何时候您想使用:has，只需结束当前的.css() 调用并添加.xpath(..)（父选择器）即可。您甚至可以从您的xpath() 停止的地方开始另一个.css() 呼叫来恢复您的选择！

示例：

这是来自维基百科的一些 HTML：

<tr>
    <th scope="row" style="text-align:left;">
        Origin
    </th>
    <td>
        <a href="/wiki/Edinburgh" title="Edinburgh">Edinburgh</a>
        <a href="/wiki/Scotland" title="Scotland">Scotland</a>
    </td>
</tr>
<tr>
    <th scope="row" style="text-align:left;">
        <a href="/wiki/Music_genre" title="Music genre">Genres</a>
    </th>
    <td>
        <a href="/wiki/Electronica" title="Electronica">Electronica</a>
        <a href="/wiki/Intelligent_dance_music" title="Intelligent dance music">IDM</a>
        <a href="/wiki/Ambient_music" title="Ambient music">ambient</a>
        <a href="/wiki/Downtempo" title="Downtempo">downtempo</a>
        <a href="/wiki/Trip_hop" title="Trip hop">trip hop</a>
    </td>
</tr>
<tr>
    <th scope="row" style="text-align:left;">
        <a href="/wiki/Record_label" title="Record label">Labels</a>
    </th>
    <td>
        <a href="/wiki/Warp_(record_label)" title="Warp (record label)">Warp</a>
        <a href="/wiki/Skam_Records" title="Skam Records">Skam</a>
        <a href="/wiki/Music70" title="Music70">Music70</a>
    </td>
</tr>

假设您要选择包含href="/Music_genre" 链接的<th> 之后的第一个<td> 内的所有<a> 元素。

@artistPage.css("table th > a[href='/wiki/Music_genre']").xpath("..").css("+ td a")

这将返回每个流派列表的所有<a>。

现在，让我们获取所有<a> 的内部文本并将它们放入一个数组中。

@genreLinks = @artistPage.css("table th > a[href='/wiki/Music_genre']").xpath("..").css("+ td a")
@genres = []
@genreLinks.each do |genreLink|
  @genres.push(genreLink.text)
end

Answer 3

problem with Nokogiri's current implementation of :has() 是它创建的 XPath 要求内容是直接子代，而不是任何后代：

puts Nokogiri::CSS.xpath_for( "a:has(b)" )
#=> "//a[b]"
#=> Should output "//a[.//b]" to be correct

要使这个 XPath 与 jQuery 的功能相匹配，您需要允许 span 成为后代元素。例如：

require 'nokogiri'
d = Nokogiri.XML('<r><a/><a><b><c/></b></a></r>')
d.at_css('a:has(b)')    #=> #<Nokogiri::XML::Element:0x14dd608 name="a" children=[#<Nokogiri::XML::Element:0x14dd3e0 name="b" children=[#<Nokogiri::XML::Element:0x14dd20c name="c">]>]>
d.at_css('a:has(c)')    #=> nil
d.at_xpath('//a[.//c]') #=> #<Nokogiri::XML::Element:0x14dd608 name="a" children=[#<Nokogiri::XML::Element:0x14dd3e0 name="b" children=[#<Nokogiri::XML::Element:0x14dd20c name="c">]>]>

对于您的具体情况，这里是完整的“损坏”XPath：

puts Nokogiri::CSS.xpath_for( "li:has(span.string:not(:empty)) > h1 > a" )
#=> //li[span[contains(concat(' ', @class, ' '), ' string ') and not(not(node()))]]/h1/a

这里是固定的：

# Adding just the .//
//li[.//span[contains(concat(' ', @class, ' '), ' string ') and not(not(node()))]]/h1/a

# Simplified to assume only one CSS class is present on the span
//li[.//span[@class='string' and not(not(node()))]]/h1/a

# Assuming that `not(:empty)` really meant "Has some text in it"
//li[.//span[@class='string' and text()]]/h1/a

# ..or maybe you really wanted "Has some text anywhere underneath"
//li[.//span[@class='string' and .//text()]]/h1/a

# ..or maybe you really wanted "Has at least one element child"
//li[.//span[@class='string' and *]]/h1/a

Answer 4

Nokogiri 没有:has 选择器，这是关于它所做 作用的文档： http://ruby.bastardsbook.com/chapters/html-parsing/#h-2-2