如何根据外部标记匹配抓取内容

Question

我试图根据链接和名称所在组之外的标记组织链接和名称列表。它是这样设置的:

<h4>Volkswagen</h4>
<ul>
   <li><a href="http://beetle.cars.com">beetle</a></li>
</ul>
<h4>Chevy</h4>
<ul>
  <li><a href="http://volt.cars.com">Volt / Electric</a></li>
</ul>

我需要的是结果最终以以下格式与名称作为链接，但我可以稍后做，如果我能把项目组织得当。

每个汽车品牌可以有多个不同数量的车型。我需要按汽车品牌来组织它们:

Volkswagen
   Beetle Link  Beetle
   Jetta Link   Jetta
Chevy
   Volt Link  Volt / Electric
   S10 Link  S10

我可以毫无问题地拿到品牌清单。我只是很难将一批模型与每个品牌相关联，因为<h4>标签没有嵌套，所以我不知道如何将它们与以下<ul>汽车列表相关联。

Answer 1

我更喜欢直接跳到每辆车，然后返回来提取汽车的品牌:

cars = Hash.new { |h, k| h[k] = [] }
doc.xpath('//ul/li/a').each do |car|
  brand = car.at('../../preceding-sibling::h4[1]').text
  cars[brand] << {link: car['href'], name: car.text}
end

请注意，哈希是用一个指定默认值为数组的块初始化的。这允许添加哈希(通过<<)，如图所示。XPath ../../preceding-sibling::h4[1]表示:返回到ul级别，并返回到前面的第一个h4。这是这辆车的对应品牌。

输出:

{"Volkswagen"=>[
                {:link=>"http://beetle.cars.com", :name=>"beetle"}
                # others here
               ],
 "Chevy"=>[
           {:link=>"http://volt.cars.com", :name=>"Volt / Electric"}
           # others here
          ]
}

我发现这种技术很好很简单，只有一个循环。但并不是每个人都喜欢这种风格。