个人中心
文章发布
退出
作者热门文章
- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时，我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
25
4
我需要从 html 中提取节点(不是内部文本，这样我可以保留格式以供进一步手动调查)。我写了下面的代码。但是因为遍历的工作原理，我在新的 html 文件中得到了重复项。
这是真正要解析的html。 http://www.sec.gov/Archives/edgar/data/1750/000104746912007300/a2210166z10-k.htm
基本上，我需要将 Item10 和“注册人的执行官”之间的部分提取到下一个项目。第 10 项在所有文件中都有，但“注册人的执行官”并不在所有文件中。我需要获取节点而不仅仅是文本，因为我想保留表格，因此在下一步中我可以解析这些部分中的表格(如果有的话)。
示例 html:
html = "
<BODY>
<P>Dont need this </P>
<P>Start</P>
<P>Text To Extract 1 </P>
<P><Font><B>Text to Extract 2 </B></Font></P>
<DIV><TABLE>
<TR>
<TD>Text to Extract 3</TD>
<TD>Text to Extract 4</TD>
</TR>
</TABLE></DIV>
<P>End</P>
</BODY>
"
我想得到:
html = "
<BODY>
<P>Start</P>
<P>Text To Extract 1 </P>
<P><Font><B>Text to Extract 2 </B></Font></P>
<DIV><TABLE>
<TR>
<TD>Text to Extract 3</TD>
<TD>Text to Extract 4</TD>
</TR>
</TABLE></DIV>
<P>End</P>
</BODY>
"
出现start_keyword时开始提取。当出现 end_keyword 时结束提取。
我需要从一个 html 中提取多个部分。关键字可以出现在具有不同名称的节点中。
doc.at_css('body').traverse do |node|
inMySection = false
if node.text.match(/#{start_keyword}/)
inMySection = true
elsif node.text.match(/#{end_keyword}/)
inMySection = false
end
if inMySection
#Extract the nodes
end
end
在引用了这些帖子后，我也尝试过使用xpath来实现这一点但没有成功:
XPath axis, get all following nodes until
XPath to find all following siblings up until the next sibling of a particular type
最佳答案
这不是 Nokogiri 的问题，而是您的算法。您已将标志 inMySection 放入循环中，这意味着在每一步都将其再次设置为 false，如果之前将其设置为 true，则失败。
根据您的示例 HTML 输入和输出，以下代码段有效:
nodes = Nokogiri::HTML(html)
inMySection = false
nodes.at_xpath('//body').traverse do |node|
if node.text.match(/Start/)
inMySection = true
elsif node.text.match(/End/)
inMySection = false
end
node.remove unless inMySection
end
print nodes
关于html - Nokogiri 从 html 中提取节点，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/14269673/
25
4
0
我在 OSX 上使用 RVM 和之前的 RBENV。我在 ./gems 中相对于我的项目路径安装了我的 gems 我正在使用 aws-sdk 并尝试使用 s3 客户端导致 nokogiri/nokog
我正在尝试使用以下版本在 Mac OS Big Sur 上构建 Rails 应用程序...... $ rails --version Rails 5.0.7.2 $ ruby --version ru
我正在尝试抓取 http://www.ign.com/games/reviews使用 Nokogiri，我想实例化与页面上每个游戏评论相对应的新评论对象。当然，我还想从每条评论中获取每个数字分数，并将
我正在编写 Lynda 的 Ruby on Rails 教程，一切都按预期进行。所有安装和一切都运行完美。 但是创建项目后，当我尝试启动服务器(cmd:rails server)时，我收到错误消息:
尝试按如下方式在生产模式下运行 rake Assets 预编译。 rake assets:precompile 它在 ubuntu 14.04(32 位)和 16.06(32 位)上运行良好。但是在
我需要一种方法来运行 nokogiri 脚本 #parser.rb require 'nokogiri' def parseit() //... end 并在 jruby 的 main.rb 下面运行
在解析缩进的 XML 时，不重要的空白文本节点是从结束标记和开始标记之间的空白创建的。例如，来自以下 XML: Tove Jani Reminder Don't forget me
Nokogiri 在我的 gem 文件中。 bundle 安装返回预期的输出: Using nokogiri (1.4.4) Your bundle is complete! Use `bundle
我安装了 Ruby 和 Nokogiri gem。在 irb 中，我尝试: require 'nokogiri' require 'open-uri' url = 'http://www.amazon
我想使用 XSL 将 XML 文档转换为 HTML，稍微修改一下，然后将其呈现出来。这基本上就是我正在做的: source = Nokogiri::XML(File.read 'source.xml'
我的 Ruby on Rails 应用程序使用 Rails 2.2.2 和 Ruby 1.8.7。 尝试运行时 RAILS_ENV=production rake gems:install 或任何佣金
在 IRB 中，当我键入 require“nokogiri”时，出现以下错误: LoadError: cannot load such file -- nokogiri 我的 gemfile 中安装了
我正在使用 DevKit 在 Windows 8.1 上运行全新安装的 Ruby 2.2.1。安装后我运行: gem install rails rails new testapp cd testap
我正在尝试安装 nokogiri，因为它是启动 rails 所必需的 $ rails s /usr/local/rvm/gems/ruby-1.9.3-p194@global/gems/bun
我终于设法解析了网站的部分内容: get '/' do url = '' data = Nokogiri::HTML(open(url)) @rows = data.css("td[val
我第一次使用 Nokogiri 搜索 HTML 文档。当我创建一个变量(并打印)时，它等于: beteween Nokogiri::HTML(open(url).read) 它似乎输出与完全相同的东西
如果我尝试安装 nokogiri，我会收到以下错误: rvmsudo gem install nokogiri ERROR: Error installing nokogiri: nokog
我在屏幕抓取 rake 任务中有以下代码 page = agent.get("https://domainname.co.uk/unit/27/logs?type=incoming&page=8")
我尝试(出于测试目的)解析 Google 商家 XML 提要，定义为: EasyOptic 2014-08-01T16:31:
如何将“foo”替换为“bar”？ 来自 foo1foo2foo4foo5foo6 至 bar1bar2bar4bar5bar6 我只想替换标签内部内容，没有标签属性。 有什么想法吗？ 最佳答案 re
我是一名优秀的程序员,十分优秀！