ruby - 使用 mechanize 获取特定的所有标签？ ( ruby )

Question

如何让所有元素跟随一次，例如:

<div id="exemple">
  <h2 class="target">foo</h2>
  <p>bla bla</p>
  <ul>
    <li>bar1</li>
    <li>bar2</li>
    <li>bar3</li>
  </ul>
  <h4>baz</h4> 
  <ul>
     <li>lot</li>
  </ul>
  <div>of</div>
  <p>possible</p>
  <p>tags</p>
  <a href="#">after</a>
</div>

我需要检测 <h2 class="target">并将所有标签获取到下一个 <h4>并忽略 <h4> AND 所有以下标签(如果 <h4> 不存在，我必须将所有标签都放到父级的末尾 [此处:<div> 结束])

内容是动态的和不可预测的唯一的规则是:我们知道有一个目标和一个(或元素的结尾)。我需要获取两者之间的所有标签并排除所有其他标签。

对于这个例子，我需要获取以下 HTML:

<h2 class="target">foo</h2>
<p>bla bla</p>
<ul>
  <li>bar1</li>
  <li>bar2</li>
  <li>bar3</li>
</ul>

所以我可以得到:target = page.at('#exemple .target')我知道next_sibling方法，但是如何测试当前节点的标签类型呢？

我想过类似的方法来处理节点树:

html = ''
while not target.is_a? 'h4'
  html << target.inner_html
  target = target.next_sibling

我该怎么做？

Answer 1

你可以从你的节点集中减去你不想要的:

h2 = page.at('h2')
(h2.search('~ *') - h2.search('~ h4','~ h4 ~ *')).each do |el|
    # el is not a h4 and does not follow a h4
end

也许使用 xpath 更有意义，但我无需谷歌搜索就可以做到这一点。

您迭代下一个 sibling 的想法也可以奏效:

el = page.at('h2 ~ *')
while el && el.name != 'h4'
    # do something with el
    el = el.at('+ *')
end