如何搜索特定的文本元素

Question

如何使用Nokigiri::HTML搜索包含Click Here to Enter a New Password的元素?

我的HTML结构是:

<table border="0" cellpadding="20" cellspacing="0" width="100%">
  <tbody>
  <tr>
    <td class="bodyContent" valign="top">
      <div>
        <strong>Welcome to</strong>
        <h2 style="margin-top:0">OddZ</h2>
        <a href="http://mandrillapp.com/track/click.php?...">Click Here</a>
        to Enter a New Password
        <p>
          Click this link to enter a new Password. This link will expire within 24 hours, so don't delay.
          <br>
        </p>
      </div>
    </td>
  </tr>
  </tbody>
</table>

我试着:

doc = (Nokogiri::HTML(@inbox_emails.first.body.raw_source))
password_container = doc.search "[text()*='Click Here to Enter a New Password']"

，但没有找到结果。当我尝试:

password_container = doc.search "[text()*='Click Here']"

我没有得到结果。

我想搜索完整的文本。

我发现在文本" to Enter a New Password"之前有很多空格，但我没有在HTML代码中添加任何空格。

Answer 1

您正在搜索的大部分文本都在a元素之外。

你能做的最好的可能是:

a = doc.search('a[text()="Click Here"]').find{|a| a.next.text[/to Enter a New Password/]}

Answer 2

您可以混合使用xpath和regex，但由于nokogiri的xpath中还没有matches，因此您可以自己实现，如下所示:

class RegexHelper
  def content_matches_regex node_set, regex_string
    ! node_set.select { |node| node.content =~ /#{regex_string}/mi }.empty?
  end
  def content_matches node_set, string
    content_matches_regex node_set, string.gsub(/s+/, ".*?")
  end
end
search_string = "Click Here to Enter a New Password"
matched_nodes = doc.xpath "//*[content_matches(., '#{search_string}')]", RegexHelper.new

Answer 3

你可以尝试使用CSS选择器。我把你的HTML保存为一个名为test.html

的文件

require 'Nokogiri'
@doc = Nokogiri::HTML(open('test.html'))
puts @result = @doc.css('p').text.gsub(/n/,'')

返回

Click this link to enter a new Password. This link will expire within 24 hours, so don't delay.

有一篇关于Nokogiri解析HTML的好文章

Answer 4

你差一点。下面是查找包含文本的元素的方法:

doc.search('*[text()*="Click Here"]')

这给了你<a>标签。这是你想要的吗?如果您确实想要<a>的父元素，也就是包含<div>的元素，您可以这样修改它:

doc.search('//*[text()="Click Here"]/..').text

选择包含<div>，其文本为:

Welcome to
OddZ
Click Here
to Enter a New Password
Click this link to enter a new Password. This link will expire within 24 hours, so don't delay.