ruby - 使用 Nokogiri 拆分 BR 标签上的内容

Question

我有一段代码试图用 nokogiri 解析，看起来像这样:

<td class="j">
    <a title="title text1" href="http://link1.com">Link 1</a> (info1), Blah 1,<br>
    <a title="title text2" href="http://link2.com">Link 2</a> (info1), Blah 1,<br>
    <a title="title text2" href="http://link3.com">Link 3</a> (info2), Blah 1 Foo 2,<br>
</td>

我可以使用如下方式访问 td.j 的源代码:data_items = doc.css("td.j")

我的目标是将每一行拆分成一个哈希数组。我能看到的唯一合乎逻辑的拆分点是拆分 BR，然后在字符串上使用一些正则表达式。

我想知道是否有更好的方法来做到这一点，也许只使用 nokogiri？即使我可以使用 nokogiri 来提取 3 个行项目，它也会使我的事情变得更容易，因为我可以对 .content 结果进行一些正则表达式解析。

但不确定如何使用 Nokogiri 获取以 br 结尾的行——我应该使用 xpaths 吗？任何方向表示赞赏!谢谢

Answer 1

我不确定使用散列数组的意义，没有示例我无法提出建议。但是，为了拆分 <br> 上的文本标签，我会这样做:

require 'nokogiri'

doc = Nokogiri::HTML('<td class="j">
    <a title="title text1" href="http://link1.com">Link 1</a> (info1), Blah 1,<br>
    <a title="title text2" href="http://link2.com">Link 2</a> (info1), Blah 1,<br>
    <a title="title text2" href="http://link3.com">Link 3</a> (info2), Blah 1 Foo 2,<br>
</td>')

doc.search('br').each do |n|
  n.replace("\n")
end
doc.at('tr.j').text.split("\n") # => ["", "    Link 1 (info1), Blah 1,", "Link 2 (info1), Blah 1,", "Link 3 (info2), Blah 1 Foo 2,"]

这将使您更接近哈希:

Hash[*doc.at('td.j').text.split("\n")[1 .. -1].map{ |t| t.strip.split(',')[0 .. 1] }.flatten] # => {"Link 1 (info1)"=>" Blah 1", "Link 2 (info1)"=>" Blah 1", "Link 3 (info2)"=>" Blah 1 Foo 2"}