ruby - 您如何使用 Nokogiri 遍历 HTML 文档、搜索并跳到下一个项目？

Question

如何遍历到找到的某个元素，然后继续找到下一个元素？在我的示例中，我尝试搜索第一个元素，获取文本，然后继续搜索，直到找到下一个标签或找到特定标签。我还需要考虑标签的原因是因为我想在那里做一些事情。

HTML

<table border=0>
  <tr> 
    <td width=180>
      <font size=+1><b>apple</b></font>
    </td>
    <td>Description of an apple</td>
  </tr>
  <tr> 
    <td width=180>
      <font size=+1><b>banana</b></font>
    </td>
    <td>Description of a banana</td>
  </tr>
  <tr> 
    <td><img vspace=4 hspace=0 src="common/dot_clear.gif"></td>
  </tr>
...Then this repeats itself in a similar format

当前scrape.rb

#...
document.at_css("body").traverse do |node|
  #if <font> is found 
    #puts text in font
  #else if <img> is found then 
    #puts img src and continue loop until end of document
end

谢谢!

Answer 1

很有趣。您基本上想要遍历树中的所有 children 并根据获得的节点执行一些操作。

所以我们可以这样做:

#Acquiring dummy page
page = Nokogiri::HTML(open('http://en.wikipedia.org/wiki/Ruby_%28programming_language%29'))

现在，如果您想开始遍历所有 body 元素，我们可以使用 XPath 来拯救我们。 XPath 表达式://body//* 将返回 body 中的所有 children 和 grand-children。

这将返回类为 Nokogiri::XML::Element 的元素数组

page.xpath('//body//*')
page.xpath('//body//*').first.node_name
#=> "div"

因此，您现在可以遍历该数组并执行您的操作:

page.xpath('//body//*').each do |node|
  case node.name
    when 'div' then #do this 
    when 'font' then #do that
  end
end