我正在尝试使用nokogiri gem来提取网页上的所有网址以及它们的链接文本,并将链接文本和网址存储在哈希中。从Nokogiri&Ruby的html文档获取链接和href文本?
<html>
<body>
<a href=#foo>Foo</a>
<a href=#bar>Bar </a>
</body>
</html>
我想回
{"Foo" => "#foo", "Bar" => "#bar"}
我正在尝试使用nokogiri gem来提取网页上的所有网址以及它们的链接文本,并将链接文本和网址存储在哈希中。从Nokogiri&Ruby的html文档获取链接和href文本?
<html>
<body>
<a href=#foo>Foo</a>
<a href=#bar>Bar </a>
</body>
</html>
我想回
{"Foo" => "#foo", "Bar" => "#bar"}
这里是一个班轮:
Hash[doc.xpath('//a[@href]').map {|link| [link.text.strip, link["href"]]}]
#=> {"Foo"=>"#foo", "Bar"=>"#bar"}
分裂出一个位是更易读:
h = {}
doc.xpath('//a[@href]').each do |link|
h[link.text.strip] = link['href']
end
puts h
#=> {"Foo"=>"#foo", "Bar"=>"#bar"}
另一个方式:
h = doc.css('a[href]').each_with_object({}) { |n, h| h[n.text.strip] = n['href'] }
# yields {"Foo"=>"#foo", "Bar"=>"#bar"}
如果你担心你可能有相同的文字链接到不同的东西,那么你收集href
S IN阵列:
h = doc.css('a[href]').each_with_object(Hash.new { |h,k| h[k] = [ ]}) { |n, h| h[n.text.strip] << n['href'] }
# yields {"Foo"=>["#foo"], "Bar"=>["#bar"]}
“a”标签的问题是它可以用于链接和非链接,如命名锚。你必须检查是否存在'href'属性。 – 2012-02-17 22:41:13
@Mark:我想我在为此评论时切换到了“[href]”。 – 2012-02-17 23:02:55
谢谢,工作完美。 – sunnyrjuneja 2012-02-18 00:06:43
谢谢,非常完美。 – sunnyrjuneja 2012-02-18 00:07:01
你可以用''link ['href']']替换'link.attributes ['href'] .value'(http://nokogiri.org/Nokogiri/XML/Node.html#method-i-5B -5D)。 – Phrogz 2012-02-18 00:10:03
@Progrog谢谢!更新。 – 2012-02-18 03:16:10