Nokogiri：使用 XPath 搜索 <div>答案

【问题标题】：Nokogiri: Searching for <div> using XPathNokogiri：使用 XPath 搜索 <div>
【发布时间】：2009-03-16 11:03:22
【问题描述】：

我使用 Nokogiri (Rubygem) css 搜索在我的 html 中查找某些 <div>。看起来 Nokogiri 的 css 搜索不喜欢正则表达式。我想切换到 Nokogiri 的 xpath 搜索，因为这似乎支持搜索字符串中的正则表达式。

如何在 xpath 搜索中实现下面提到的（伪）css 搜索？

require 'rubygems'
require 'nokogiri'

value = Nokogiri::HTML.parse(<<-HTML_END)
  "<html>
    <body>
      <p id='para-1'>A</p>
      <p id='para-22'>B</p>
      <h1>Bla</h1>
      <p id='para-3'>C</p>
      <p id='para-4'>D</p>
      <div class="foo" id="eq-1_bl-1">
        <p id='para-5'>3</p>
      </div>
    </body>
  </html>"
HTML_END

# my_block is given
my_bl = "1"
# my_eq corresponds to this regex
my_eq = "\/[0-9]+\/"

# FIXME The following line should be changed to an xpath search.
if my_div = value.css("div#eq-#{my_eq}_bl-#{my_bl}.foo").first
  # doing some stuff with the <p> inside the div
end

【问题讨论】：

标签： ruby-on-rails ruby regex xpath nokogiri

【解决方案1】：

Mike Dalessio（Nokogiri 核心开发人员的一半）在#nokogiri（irc.freenode.net）上给了我一个答案。看起来 Nokogiri CSS 和 XPath 搜索都不支持正则表达式匹配。这是他关于如何使用 Nokogiri 搜索正则表达式的解决方案：

require 'rubygems'
require 'nokogiri'

value = Nokogiri::HTML.parse(<<-HTML_END)
  "<html>
    <body>
      <p id='para-1'>A</p>
      <p id='para-22'>B</p>
      <h1>Bla</h1>
      <p id='para-3'>C</p>
      <p id='para-4'>D</p>
      <div class="foo" id="eq-1_bl-1">
        <p id='para-5'>3</p>
      </div>
      <div class="bar" id="eq-1_bl-1">
        <p id='para-5'>3</p>
      </div>
    </body>
  </html>"
HTML_END

# my_block is given
my_bl = "1"
# my_eq corresponds to this regex
my_eq = "[0-9]+"
# full regex to search for in node ids
full_regex = %r(eq-#{my_eq}_bl-#{my_bl})

filter_by_id = Class.new do
  attr_accessor :matches

  def initialize(regex)
    @regex = regex
    @matches = []
  end

  def filter(node_set)
    @matches += node_set.find_all { |x| x['id'] =~ @regex }
  end
end.new(full_regex)

value.css("div.foo:filter()", filter_by_id)
filter_by_id.matches.each do |node|
  puts node
end

【讨论】：

【解决方案2】：

基于上述答案的更简单的方法：

regex = /subject|header/
headers = doc.css("table td:nth-child(1) div").find_all do
  |h| h['class'] =~ regex
end

感谢您发布这个问题。

【讨论】：