8
quale sarebbe il modo più efficiente di afferrare tutti i testi tra tag html?afferrando il testo tra tutti i tag in Nokogiri?
<div>
<a> hi </a>
....
gruppo di testi circondato da tag html.
A
risposta
23
doc = Nokogiri::HTML(your_html)
doc.xpath("//text()").to_s
+0
grazie! Funziona bene +1 – rusllonrails
5
Utilizzare un parser Sax. Molto più veloce dell'opzione XPath.
require "nokogiri"
some_html = <<-HTML
<html>
<head>
<title>Title!</title>
</head>
<body>
This is the body!
</body>
</html>
HTML
class TextHandler < Nokogiri::XML::SAX::Document
def initialize
@chunks = []
end
attr_reader :chunks
def cdata_block(string)
characters(string)
end
def characters(string)
@chunks << string.strip if string.strip != ""
end
end
th = TextHandler.new
parser = Nokogiri::HTML::SAX::Parser.new(th)
parser.parse(some_html)
puts th.chunks.inspect
+0
come si può cambiare questo per ottenere solo il testo tra tag body da solo? – Omnipresent
+0
Imposta un flag e inizia solo a catturare i caratteri dopo aver visto il tag body iniziare e interrompere l'acquisizione dopo la chiusura del tag body. –
1
Ecco come ottenere tutto il testo nella questione div di questa pagina:
require 'rubygems'
require 'nokogiri'
require 'open-uri'
doc = Nokogiri::HTML(open("http://stackoverflow.com/questions/1512850/grabbing-text-between-all-tags-in-nokogiri"))
puts doc.css("#question").to_s
2
Basta fare:
doc = Nokogiri::HTML(your_html)
doc.xpath("//text()").text
Partenza https://github.com/rgrove/ sanitizza anche – Abram