为什么我无法从链接元素中检索 URL 格式的文本？

Question

我正在解析一个RSS提要，该提要中有一个元素<link>，其中有一个url，比如<link>http://www.google.com/</link>；但是，当我尝试使用node.css('link').text获取url时，它会返回一个空字符串。我应该访问另一个属性吗？

我正在使用nokogiri/ruby。

示例：

doc = Nokogiri::HTML(open('http://www.kffl.com/printRSS.php/NFL-ARI'))
    doc.css('item').each do |item|
    puts item.css('link').text
    puts item.css('link').first.text
end

Answer 1

您正在解析为HTML，但源代码是XML。在HTML中，link元素是空的，因此Nokogiri将其解析为类似<link></link>http://example.com ...的内容，其中url是link元素之外的文本节点。然后查询解析后的文档时，link元素为空。

要修复它，您应该解析为XML:

doc = Nokogiri::XML(open('http://www.kffl.com/printRSS.php/NFL-ARI'))
  # ...

Answer 2

尝试获取该选择器返回的"第一个"项目的文本：

node.css('link').first.text # => "http://www.google.com/" 

Answer 3

我不知道为什么Nokogiri不识别这里的链接，但在这种情况下，xpath总是会来拯救：

doc = Nokogiri::HTML(open('http://www.kffl.com/printRSS.php/NFL-ARI'))
doc.css('item').each do |item|
  puts item.xpath("//item['link']/text()").text
end

Answer 4

您可以使用.text？方法来确定它是一个文本节点。和next方法来获取文本（获取下一个元素）。

doc = Nokogiri::HTML(open('http://www.kffl.com/printRSS.php/NFL-ARI'))
doc.css('item')[0].css('link').first.text?
# => false
doc.css('item')[0].css('link').first.next.text?
# => true
doc.css('item')[0].css('link').first.next.text
# => "http://www.kffl.com/gnews.php?id=901900-cardinals-tyrann-mathieu-expected-to-start-camp-on-pupn            "

我不知道为什么