如何通过 CSS 类获取所有元素

Question

我正在尝试使用 Nokogiri 抓取 this 页面以获取类名为“teaser”的所有元素。

如果我用 jQuery 检查页面，我可以看到有 25 个元素：

$(".teaser").length => 25

但是，在使用 Nokogiri 时，我只得到了第一个预告：

teasers = doc.css('.teaser')
teasers.count => 1

我哪里错了？如何获得所有预告片？

Answer 1

由于某种原因，该文档中似乎有大量空字节，这导致 Nokogiri/LibXML 假定该文档已经完成了一部分。

您应该能够通过预处理内容以删除空值来修复它。如果page包含网页的文字：

page.gsub! /\x00/, ''

然后像以前一样在page 上使用 Nokogiri。