如何使用 Nokogiri 解析连续标签

Question

我有这样的HTML代码：

<div id="first">
<dt>Label1</dt>
<dd>Value1</dd>
<dt>Label2</dt>
<dd>Value2</dd>
...
</div>

我的代码不起作用。

doc.css("first").each do |item|
  label = item.css("dt")
  value = item.css("dd")
end

首先显示所有<dt>标签，然后显示<dd>标签，我需要"标签：值">

Answer 1

首先，你的 HTML 应该在<dl>内有 <dt> 和 <dd> 元素：

<div id="first">
    <dl>
        <dt>Label1</dt>
        <dd>Value1</dd>
        <dt>Label2</dt>
        <dd>Value2</dd>
        ...
    </dl>
</div>

但这不会改变您解析它的方式。你想找到<dt>并迭代它们，然后在每个<dt>你可以使用next_element来获取<dd>;像这样：

doc = Nokogiri::HTML('<div id="first"><dl>...')
doc.css('#first').search('dt').each do |node|
    puts "#{node.text}: #{node.next_element.text}"
end

只要结构与您的示例匹配，这应该有效。

Answer 2

假设某些<dt>可能有多个<dd>，您希望找到所有<dt>，然后(对于每个(在下一个<dt>之前找到以下<dd>。这在纯 Ruby 中很容易做到，但在 XPath 中做起来更有趣。;)

给定此设置：

require 'nokogiri'   
html = '<dl id="first">
  <dt>Label1</dt><dd>Value1</dd>
  <dt>Label2</dt><dd>Value2</dd>
  <dt>Label3</dt><dd>Value3a</dd><dd>Value3b</dd>
  <dt>Label4</dt><dd>Value4</dd>
</dl>'    
doc = Nokogiri.HTML(html)

不使用 XPath：

doc.css('dt').each do |dt|
  dds = []
  n = dt.next_element
  begin
    dds << n
    n = n.next_element
  end while n && n.name=='dd'
  p [dt.text,dds.map(&:text)]
end
#=> ["Label1", ["Value1"]]
#=> ["Label2", ["Value2"]]
#=> ["Label3", ["Value3a", "Value3b"]]
#=> ["Label4", ["Value4"]]

使用一点 XPath：

doc.css('dt').each do |dt|
  dds = dt.xpath('following-sibling::*').chunk{ |n| n.name }.first.last
  p [dt.text,dds.map(&:text)]
end
#=> ["Label1", ["Value1"]]
#=> ["Label2", ["Value2"]]
#=> ["Label3", ["Value3a", "Value3b"]]
#=> ["Label4", ["Value4"]]

使用 Lotsa XPath：

doc.css('dt').each do |dt|
  ct = dt.xpath('count(following-sibling::dt)')
  dds = dt.xpath("following-sibling::dd[count(following-sibling::dt)=#{ct}]")
  p [dt.text,dds.map(&:text)]
end
#=> ["Label1", ["Value1"]]
#=> ["Label2", ["Value2"]]
#=> ["Label3", ["Value3a", "Value3b"]]
#=> ["Label4", ["Value4"]]

Answer 3

在查看了另一个答案之后，这里是做同样事情的低效方法。

require 'nokogiri'
a = Nokogiri::HTML('<div id="first"><dt>Label1</dt><dd>Value1</dd><dt>Label2</dt><dd>Value2</dd></div>')
dt = []
dd = []
a.css("#first").each do |item|
  item.css("dt").each {|t| dt << t.text}
  item.css("dd").each {|t| dd << t.text}
end
dt.each_index do |i|
  puts dt[i] + ': ' + dd[i]
end

在 css 中引用 ID，您需要在前面放置 # 符号。对于类，它是 .象征。