html – Nokogiri和Xpath：找到两个标签之间的所有文本

概述我不确定这是语法问题还是版本差异,但我似乎无法解决这个问题.我想从h2标签中取出(非关闭)td内的数据到h3标签.以下是HTML的外观. <td valign="top" width="350"> <br><h2>NameIWant</h2><br> <br>Town<br> PhoneNumber<br> <a href="mailto:emailIwant@n 我不确定这是语法问题还是版本差异,但我似乎无法解决这个问题.我想从h2标签中取出(非关闭)td内的数据到h3标签.以下是HTML的外观.

<td valign="top" wIDth="350">    <br><h2>nameIWant</h2><br>    <br>Town<br>    PhoneNumber<br>    <a href="mailto:emailiwant@Nowhere.com" >emailiwant@Nowhere.com</a>    <br>    <a href="http://websiteIwant.com" >websiteIwant.com</a>    <br><br>        <br><img src="images/spacer.gif"/><br>    <h3><b>I want to stop before this!</b></h3>    Lorem Ipsum Yadda Yadda<br>    <img src="images/spacer.gif" border="0" wIDth="20" height="11" alt=""/><br>    <td wIDth="25">        <img src="images/spacer.gif" border="0" wIDth="20" height="8" alt=""/>        <td valign="top" wIDth="200"><img src="images/spacer.gif"/>            <br>            <br>            <table cellspacing="0" cellpadding="0" border="0"/>205"&gt;<tr><td>                <a href="http://dontneedthis.com">                </a></td></tr><br>            <table border="0" cellpadding="3" cellspacing="0" wIDth="200">            ...

< td valign>直到页面的最底部才关闭,我认为这可能是我遇到问题的原因.

我的Ruby代码看起来像：

require 'open-uri'require 'nokogiri'@doc = Nokogiri::XML(open("http://www.url.com"))content = @doc.CSS('//td[valign="top"] [wIDth="350"]')name = content.xpath('//h2').textputs name // Returns nameIwanttownNumberlinks = content.search('//following::h2')puts content // Returns <h2> nameIWant </h2>

据我所知,遵循语法应该“在当前节点的结束标记之后选择文档中的所有内容”.如果我尝试使用前面的：

townNumberlinks = content.search('//preceding::h3')// I get: <h3><b>I want to stop before this!</b></h3>

希望我明确表达了我想要做的事情.谢谢！

解决方法 这不是微不足道的.在您选择的节点(td)的上下文中,要获取两个元素之间的所有内容,您需要执行这两个集合的交集：

>集合A：第一个h3之前的所有节点：// h3 [1] / preceding :: node()
> Set B：第一个h2：// h2 [1] / following :: node()之后的所有节点

要执行交叉路口,您可以使用Kaysian method(Michael Kay之后,谁提出它).基本公式是：

A[count(.|B) = count(B)]

将它应用于您的集合,如上所定义,其中A = // h3 [1] / preceding :: node()和B = // h2 [1] / following :: node(),我们有：

//h3[1]/preceding::node()[ count( . | //h2[1]/following::node()) = count(//h2[1]/following::node()) ]

这将选择从第一个< br>开始的所有元素和文本节点.在< / h2>之后标记,到最后一个< br>之后的空白文本节点,就在下一个< h3>之前.标签.

您可以轻松选择h2和h3之间的文本节点,替换表达式中text()的node().这个将返回两个标头之间的所有文本节点(包括空格和换行符)：

//h3[1]/preceding::text()[ count( . | //h2[1]/following::text()) = count(//h2[1]/following::text()) ]

总结

以上是内存溢出为你收集整理的html – Nokogiri和Xpath：找到两个标签之间的所有文本全部内容，希望文章能够帮你解决html – Nokogiri和Xpath：找到两个标签之间的所有文本所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。