如何使用 Nokogiri 获取标签下的所有文本？答案

【问题标题】：How do I get all the text under a tag with Nokogiri?如何使用 Nokogiri 获取标签下的所有文本？
【发布时间】：2016-09-06 02:50:34
【问题描述】：

在此示例中，我尝试从表格的 <td> 标记中获取文本。一、html代码。

<table>
  <tbody>
  <tr>
    <td>Single line of text</td>
  </tr>
  <tr>
    <td>Text here<p>First line</p><p>Second line</p></td>
  </tr>
  </tbody>
</table>

然后是这里的ruby代码。

require 'nokogiri'
require 'pp'

html = File.open('test.html').read
doc = Nokogiri::HTML(html)
rows = doc.xpath('//table[1]/tbody/tr')

data = rows.collect do |row|
  row.at_xpath('td[1]/text()').to_s
end

pp data

我得到的结果是。

["Single line of text", "Text here"]

如何获取第二个<td> 标签中的所有文本？

【问题讨论】：

标签： html ruby xpath nokogiri

【解决方案1】：

您需要进行两项更改才能获取所有text 节点。首先at_xpath 只会返回一个节点，因此要获得多个节点，您需要使用xpath。

其次，要获取所有后代节点，而不仅仅是子节点，请使用// 而不是/。

结合这些，代码行将是：

row.xpath('td[1]//text()').to_s

这会将所有文本节点连接在一起，给出结果：

["Single line of text", "Text hereFirst lineSecond line"]

这可能不是你想要的。您需要进行处理以满足您的需求，而不仅仅是在结果节点集上调用 to_s。

【讨论】：

【解决方案2】：

这个怎么样？

pp doc.search("//tr[2]//td//text()").map { |item| item.text }

正如马特所说，您可以使用// 获取所有后代。

如果您特别需要第二个tr，也可以对其进行索引。只需省略索引即可获取所有trs。

您可以过滤生成的文本对象以仅获取上游具有td 的文本对象。

最后，映射每个 Nokogiri 对象，将文本提取到最终数组中，如下所示：

["Text here", "First line", "Second line"]

【讨论】：

【解决方案3】：

如果你想获取任何元素的所有文本，你需要Nokogiri::XML::Node 的text 方法：

p doc.xpath('//table[1]/tbody/tr').map{ |tr| tr.text.strip }
#=> ["Single line of text", "Text hereFirst lineSecond line"]

（strip 方法只是去掉了前导和尾随空格。）

【讨论】：