用nokogiri解析一些棘手的HTML

Question

我试图用Nokogiri解析这个html，但是我卡住了。

<b>Dudule Francis</b>
<br>
<b>Tél. : </b>
01 02 03 04 05
<br>
<b>Fax : </b>
10 90 80 70 60

我想提取第一个电话号码[phone]。它在</b>和<br>之间，只有当<b>Tél. : </b>被发现时。如果有人有线索，我愿意。

Answer 1

noko = Nokogiri::HTML(html_text)
noko.xpath("//b[text() = 'Tél. : ']").each do |b|
  puts b.next_sibling.content.strip
end
# 01 02 03 04 05

Answer 2

最简单的方法:

doc.at('b[text()="Tél. : "]').next.text

如果出于某种原因你想确保它位于b和下一个br之间:

doc.at('b[text()="Tél. : "] + br').previous.text

Answer 3

我发现CSS在很多时候更容易理解，而且，尽管CSS本身通常不能查看节点的文本内部，迫使我们使用XPath，但Nokogiri在使用jQuery扩展时为我们提供了一些额外的帮助:

doc.at('b:contains("Tél.")').next_sibling.text.strip
"01 02 03 04 05"