Nokogiri 没有在 CSS 选择器中选择直接后代链接标签 [关闭]

Question

我在 Ruby on Rails 应用程序中使用 Nokogiri gem，遇到了一个奇怪的问题。这是我正在处理的 HTML 树：

在父 HTML 文档上使用 Nokogiri，我可以像这样成功地遍历树：

y[0].css("div.postContainer.opContainer div.post.op")[0]['id']
#  => "p25273352"

y[0].css("div.postContainer.opContainer div.post.op")[0].css(" > div").length
#  => 3

y[0].css("div.postContainer.opContainer div.post.op")[0].css(" > blockquote").length
#  => 1

但是，当我尝试对 a 或 span 标记执行相同操作时，它找不到任何直系后代：

y[0].css("div.postContainer.opContainer div.post.op")[0].css(" > a").length
=> 0

y[0].css("div.postContainer.opContainer div.post.op")[0].css(" > span").length
#  => 0

感觉我必须在这里遗漏一些明显的东西，但无法弄清楚。有什么想法吗？

Answer 1

我觉得你太难​​了。

require 'nokogiri'

doc = Nokogiri::HTML(<<EOT)
  <div class="a b">
    <div></div>
    <span>foo</span>
    <a href="http://example.com/">bar</a>
  </div>
EOT

doc.at('div.a span').to_html   # => "<span>foo</span>"
doc.at('div.a a').to_html      # => "<a href=\"http://example.com/\">bar</a>"

或：

doc.at('div.a > span').to_html # => "<span>foo</span>"
doc.at('div.a > a').to_html    # => "<a href=\"http://example.com/\">bar</a>"

我将使用at 而不是css("blah")[0] 或css("blah").first 访问子跨度/a 节点：

来自教程：

如果您知道您只会返回一个结果，您可以使用快捷方式 at_css 和 at_xpath 而不必访问 NodeSet 的第一个元素。

@doc.css("dramas name").first # => "<name>The A-Team</name>"
@doc.at_css("dramas name")    # => "<name>The A-Team</name>"

at 是 at_css 和 at_xpath 的通用版本，接受 CSS 或 XPATH 选择器。

真正的 HTML 有可能被破坏，这可能会导致解析时定位节点出现问题。请参阅errors 方法。永远不要相信浏览器对 HTML 的看法。浏览器会修复损坏的 HTML，基本上会像 Nokogiri 那样重写它，但他们可能会做不同的事情。相反，请始终在命令行中使用 wget、curl 或 nokogiri 查看您的 HTML。

Answer 2

感觉我必须在这里遗漏一些明显的东西，但无法弄清楚。有什么想法吗？

JavaScript。

您发布了一个看起来像 Chrome 控制台的屏幕截图。 JavaScript 在浏览器中运行并会修改 DOM，可能会添加/删除 HTML 元素。

您的 Ruby 代码很可能没有在 Chrome 中运行。检查页面源 (Ctrl+U) 或转储您使用 Ruby HTTP 客户端获得的响应，并确保您尝试使用 Nokogiri 获取的元素确实存在。