为什么使用 Nokogiri 解析 HTML 会返回空白

Question

这是我正在解析的 HTML：

<div class="audio" id="audio59779184_153635497_-28469067_16663">
  <table width="100%" cellspacing="0" cellpadding="0"><tbody><tr>
<td>
        <a onclick="playAudioNew('59779184_153635497_-28469067_16663')"><div class="play_new" id="play59779184_153635497_-28469067_16663"></div></a>
        <input id="audio_info59779184_153635497_-28469067_16663" type="hidden" value="http://cs5888.userapi.com/u59779184/audio/0fc0fc5d8799.mp3,245">
</td>
      <td class="info">
        <div class="duration fl_r" onmousedown="if (window.audioPlayer) audioPlayer.switchTimeFormat('59779184_153635497_-28469067_16663', event);">4:05</div>
        <div class="audio_title_wrap">
<b><a href="/search?c%5Bsection%5D=audio&amp;c%5Bq%5D=Don+Omar+feat.+Lucenzo+and+Pallada">Don Omar feat. Lucenzo and Pallada</a></b> – <span id="title59779184_153635497_-28469067_16663"> Danza Kuduro (Dj Fleep Mashup)(21.05.12).ılııllı.♫♪Новая Клубная Музыка♫♪.ıllıılı.http://vkontakte.ru/public28469067 </span>
</div>
      </td>
    </tr></tbody></table>
<div class="player_wrap">
    <div class="playline" id="line59779184_153635497_-28469067_16663"><div></div></div>
    <div class="player" id="player59779184_153635497_-28469067_16663" ondragstart="return false;" onselectstart="return false;">
      <table width="100%" border="0" cellspacing="0" cellpadding="0"><tbody><tr id="audio_tr59779184_153635497_-28469067_16663" valign="top">
<td style="padding: 0px; width: 100%; position: relative;">
            <div class="audio_white_line" id="audio_white_line59779184_153635497_-28469067_16663" onmousedown="audioPlayer.prClick(event);"></div>
            <div class="audio_load_line" id="audio_load_line59779184_153635497_-28469067_16663" onmousedown="audioPlayer.prClick(event);"><!-- --></div>
            <div class="audio_progress_line" id="audio_progress_line59779184_153635497_-28469067_16663" onmousedown="audioPlayer.prClick(event);">
              <div class="audio_pr_slider" id="audio_pr_slider59779184_153635497_-28469067_16663"><!-- --></div>
            </div>
          </td>
          <td id="audio_vol59779184_153635497_-28469067_16663" style="position: relative;"></td>
        </tr></tbody></table>
</div>
  </div>
</div>

我正在使用的代码：

require 'watir'
require 'nokogiri'
require 'open-uri'

ff = Watir::Browser.new
ff.goto 'http://vk.com/wall-28469067_16663'
htmlSource = ff.html

doc = Nokogiri::HTML(htmlSource, nil, 'UTF-8')
doc.xpath('//div[@class="audio"]/@id').each do |idSongs|
  divSong = doc.css('div#'+idSongs)
  aa = idSongs.text
  link = doc.xpath("//input[@id='#{aa}']//@value")
  puts link
  puts '========================='
end
ff.close

如果我写：

aa = 'audio_info59779184_153625626_-28469067_16663'

puts link返回一个良好的结果 "http://cs5333.userapi.com/u14251690/audio/bcf80f297520.mp3,217" 。

为什么会这样，如果aa = idSongs.textputs link会返回" "吗？

Answer 1

为了回答提出的问题，link 返回 "，因为它是一个空的 NodeSet。换句话说，Nokogiri没有找到你要找的东西。NodeSet 的行为类似于数组，因此当您尝试puts空数组时，您会得到"" .

因为它是一个节点集，所以你应该像迭代数组一样迭代它。（你的doc.css也是如此，它也将返回一个 NodeSet。

它空的原因是Nokogiri找不到你想要的东西。您正在寻找aa的内容，它们是：

"audio59779184_153635497_-28469067_16663"

将其代入"//input[@id='#{aa}']"得到：

"//input[@id='audio59779184_153635497_-28469067_16663']"

但应该是：

"//input[@id='audio_info59779184_153635497_-28469067_16663']"

搜索会找到内容：

 doc.search("//input[@id='audio_info59779184_153635497_-28469067_16663']").size => 1

Answer 2

简短回答："为什么会这样，如果 aa = idSongs.text 确实把链接返回" " ？"因为您正在尝试查找一个与您已经匹配的div 具有相同 dom id 的输入元素，该元素不存在，因此 Nokogiri 只给你一个空字符串。

看起来他们在几个地方重用了音频标识符，所以为了使你的代码更通用，可能会把它提取出来，然后在你的选择前面加上你需要访问的任何内容......因此：

doc.xpath('//div[@class="audio"]/@id').each do |idSongs|
  divSong = doc.css('div#'+idSongs)
  aa = idSongs.text
  identifier = (match = aa.match(/^audio(.*)$/)) ? match[1] : ""
  link = doc.xpath("//input[@id='audio_info#{identifier}']//@value")
  puts link
  puts '========================='
  ## now if you want:
  title = doc.xpath("//input[@id='title#{identifier}']//@value")
  puts title
end