html - 使用 Nokogiri::HTML 抓取 - 无法从 XPATH 获取文本

Question

我正在尝试用 Nokogiri 抓取 html。
这是html源代码:

<span id="J_WlAreaInfo" class="wl-areacon">
    <span id="J-From">山东济南</span>
    至
    <span id="J-To">
        <span id="J_WlAddressInfo" class="wl-addressinfo" title="全国">
            全国
            <s></s>
        </span>
    </span>
</span> 

我需要得到以下文本:山东济南

用 Firebug 检查最短的 XPATH:

//*[@id="J-From"]

这是我的 ruby 代码:

doc = Nokogiri::HTML(open("http://foo.html"), "UTF-8")
area = doc.xpath('//*[@id="J-From"]')
puts area.text

但是，它什么也不返回。
我究竟做错了什么？

Answer 1

However, it returns nothing. What am I doing wrong?

xpath() 返回一个包含匹配项的数组(它实际上称为 NodeSet):

require 'nokogiri'


html = %q{
<span id="J_WlAreaInfo" class="wl-areacon">
    <span id="J-From">山东济南</span>
    至
    <span id="J-To">
        <span id="J_WlAddressInfo" class="wl-addressinfo" title="全国">
            全国
            <s></s>
        </span>
    </span>
</span> 
}

doc = Nokogiri::HTML(html)
target_tags = doc.xpath('//*[@id="J-From"]')

target_tags.each do |target_tag|
  puts target_tag.text
end

--output:--
山东济南

编辑:您实际上可以调用text()在数组上，但它会为数组中的每个匹配返回文本的连接结果——这不是我发现有用的东西——但是因为只有一个匹配，你应该得到结果 山东济南 .您的帖子中没有任何内容表明您没有得到该结果的原因。

如果您只想要 xpath 中的单个结果，即第一个匹配项，那么您可以使用 at_xpath() :

target_tag = doc.at_xpath('//*[@id="J-From"]')
puts target_tag.text

--output:--
山东济南