Nokogiri：如何选择在其 id 中包含句点的属性的值？

Question

我已经与 Nokogiri 合作了几天，我非常喜欢它。一切都运行良好，直到我需要抓取一个使用 data-reactid javascript 属性标签的网站。问题是 Nokogiri 似乎对这个网站使用的属性 id 格式感到困惑（几个句点、一些美元符号和一些其他无效的 xml/css 字符）：

我需要抓取的一个例子是：

<td data-reactid=".3.3.1:$contract_23.$=1$dataRow:0.1">94.280</td>

我需要属性内的值 (94.280)，其 id 为“.3.3.1:$contract_23.$=1$dataRow:0.1”

通常在 nokogiri 中，我们会通过执行以下操作来选择：

doc.css("type[attributename=attributeid]")

在我的例子中是：

doc.css("td[data-reactid=.3.3.1:$contract_23.$=1$dataRow:0.1]")

但无论我做什么来转义无效字符，它总是告诉我等号后面有一个无效字符：

上面代码的错误信息：

nokogiri-1.4.3.1/lib/nokogiri/css/parser.rb:78:in `on_error': unexpected '.3' after 'equal'

我试过了：

a) 将我的字符串定义为变量并强制转换为字符串

b) 用反斜杠转义 (.3.[...])

c) 用哈希作为前缀 (#.3.3[...])

d) 使用 cgi escapedString 转义它

e) 将其放在 '%{ }' 中，例如 '%{.3.3[...]}'

无论我做什么，我都会收到相同的消息（除了选项 e，它给了我一个完全不同的错误消息：

: no .<digit> floating literal anymore; put 0 before dot

你们能帮我用这样一个名字奇怪的属性获得正确的值吗？

Answer 1

您没有展示如何解析文档，但如果我将其解析为 HTML，然后在 css 选择器中的属性值周围使用单引号，我可以获得标签：

require 'nokogiri'

html = <<END_OF_HTML
<td data-reactid="hello">10</td>
<td data-reactid=".3.3.1:$contract_23.$=1$dataRow:0.1">94.280</td>
<td data-reactid="goodbye">20</td>
END_OF_HTML

html_doc = Nokogiri::HTML(html)

html_doc.css("td[data-reactid='.3.3.1:$contract_23.$=1$dataRow:0.1']").each do |tag|
  puts tag.text
end


--output:--
94.280

通过这篇 SO 帖子查看 Mothereffing Unquoted Attribute Value Validator：

CSS attribute selectors: The rules on quotes (", ' or none?)