ruby - 使用 Nokogiri 定位没有标签的文本

Question

我尝试使用 Nokogiri(在 Ruby 上)解析一些非常简单的 HTML:

<span>Address</span><br />
123 Main Street<br />
Sometown<br />
<span>Telephone</span><br />
<a href="tel:212-555-555">212-555-555</a><br />

    <span>Hours</span><br />
    M-F: 8:00-21:00<br />
       Sat-Sun: 8:00-21:00<br />
<hr />

我唯一的标签是周围的 <div>对于页面内容。我想要的每一件事都以 <span>Address</span> 开头类型标签。它后面可以跟另一个 span或 hr在最后。

我想以地址(“123 Main Street\nSometown”)、电话号码(“212-555-555”)和营业时间作为单独的字段结束。

有没有一种方法可以使用 Nokogiri 获取信息，或者使用正则表达式更容易做到这一点？

Answer 1

使用 Nokogiri and XPath你可以这样做:

def extract_span_data(html)
  doc = Nokogiri::HTML(html)
  doc.xpath("//span").reduce({}) do |memo, span|
    text = ''
    node = span.next_sibling
    while node && (node.name != 'span')
      text += node.text
      node = node.next_sibling
    end
    memo[span.text] = text.strip
    memo
  end
end

extract_span_data(html_string)
# {
#   "Address"   => "123 Main Street\nSometown",
#   "Telephone" => "212-555-555",
#   "Hours"     => "M-F: 8:00-21:00\n       Sat-Sun: 8:00-21:00"
# }

使用合适的解析器比使用正则表达式(即 a well documented bad idea^TM )更容易、更健壮