正则表达式以选择 id

Question

当我没有确切的元素 id 但知道一般格式时，有没有办法使用正则表达式或"like"函数？

目前我有

doc.css('table[id="UTA_basic"]//tbody')

但我想找到任何 id 像 XYZ_basic 这样的表，甚至任何像 _basic 这样的表都可以工作。

如果需要，我愿意切换到 xpath。

Answer 1

Nokogiri 支持为 CSS 和 XPath 选择器创建自己的标签匹配器。

对于css ：

还可以定义自定义 CSS 伪类。若要定义自定义伪类，请创建一个类并实现要定义的自定义伪类。该方法的第一个参数将是当前匹配的 NodeSet。任何其他参数都是您传入的参数。例如：

node.css('title:regex("w+")', Class.new {
  def regex node_set, regex
    node_set.find_all { |node| node['some_attribute'] =~ /#{regex}/ }
  end
}.new)

同样，对于xpath：

还可以定义自定义 XPath 函数。若要定义自定义函数，请创建一个类并实现要定义的函数。该方法的第一个参数将是当前匹配的 NodeSet。任何其他参数都是您传入的参数。请注意，此类可能出现在参数列表中的任意位置。例如：

node.xpath('.//title[regex(., "w+")]', Class.new {
  def regex node_set, regex
    node_set.find_all { |node| node['some_attribute'] =~ /#{regex}/ }
  end
}.new)

这个能力看起来可以让你深入研究标签和参数，但我还没有玩过它，看看它会有多大帮助。

关于doc.css('table[id="UTA_basic"]//tbody').这看起来不像一个CSS，而看起来像一个XPath表达式，把它传递给css会让Nokogiri感到困惑。此外，请非常确定正在解析的 HTML 实际上具有 tbody 标记。生成表格的人很少使用它们，但浏览器喜欢在解析 HTML 时将它们放入。在浏览器中查看HTML源代码将显示它们，但通常我们不会将它们包含在任何类型的搜索中，因为它们不会在源代码中找到。

Answer 2

您可以使用

xpath 函数contains来检查 id 属性是否包含子字符串 "_basic"：

doc.xpath('//table[contains(@id, "_basic")]/tbody')

注意：

但是，如果这种方式存在于文档表标签中，例如，如果它存在于具有类似 id 的文档表标签中，则可能会给您误报_basical _basic_1因为此函数不检查位置或后面的字符，而只检查子字符串的存在。

如果你真的需要如此精确，你可以通过模拟 xpath 2.0 函数来解决这个问题，ends-with如下所示：

doc.xpath('//table[substring(@id,string-length(@id)-string-length("_basic")+1)="_basic")]/tbody')