Nokogiri come ottenere il testo genitore e non il testo bambino e riferimento il testo torna al suo genitore
Domanda
Diciamo che ho questo esempio:
page = "<html><body><h1 class='foo'></h1><p class='foo'>hello people<a href='http://'>hello world</a></p></body></html>"
@nodes = []
Nokogiri::HTML(page).traverse do |n|
if n[:class] == "foo"
@nodes << {:name => n.name, :xpath => n.path, :text => n.text }
end
end
i risultati sarebbero per la n.text
sarebbe hello peoplehello world
, voglio farlo in un modo così posso ottenere il testo genitore e il suo testo Childs, ma metterle in relazione con la loro tag
in modo che il risultato sarebbe qualcosa di simile
@nodes[0][:text]=""
@node[1][:text]= [{:Elementtext1 => "hello people", :ElementObject1 => elementObject},{:Elementtext2 => "hello world", :ElementObject2 => elementObject}]
Soluzione
Ci andiamo
require 'rubygems'
require 'nokogiri'
doc = Nokogiri::HTML(DATA.read)
nodes = doc.root.css('.foo').collect do |n|
{ :name => n.name,
:xpath => n.path,
:text => n.xpath('.//text()').collect{|t|
{ :parent => t.parent.name,
:text => t.text }}}
end
p nodes
__END__
<html>
<body>
<h1 class='foo'></h1>
<p class='foo'>hello people<a href='http://'>hello world</a></p>
</body>
</html>
Non è possibile raggiungere tutti gli elementi usando traverse
dal momento che visita solo i figli diretti della radice. Quindi, io uso un selettore CSS per ottenere tutti gli elementi con class foo
. E poi, per ogni elemento trovato, io uso un selettore XPath per ottenere tutti i nodi di testo sotto di esso.
Autorizzato sotto: CC-BY-SA insieme a attribuzione
Non affiliato a StackOverflow