通过机械化获得所有标签追踪信息？ （红宝石）

Question

如何，我可以得到以下，一旦所有元素，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">，并得到所有标签到下一个<h4>而忽略<h4>和所有如下标签（如果<h4>不存在，我必须让所有标签的父结束[此处的<div>结束]）

的内容是动态的和不可预知的唯一的规则就是：我们知道有一个目标，有一个（或结束的元素） 。我需要获得所有标签，并排除所有其他标签。

有了这个为例，我需要得到HTML如下：

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

这样我就可以得到：target = page.at('#exemple .target') 我知道next_sibling方法，但我怎么可以测试当前节点的标签的类型？

我想类似的东西当然节点树：

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

我怎样才能做到这一点？

Answer 1

你可以从你的节点集中减去你不想要的值：

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 

也许它使用xpath更有意义，但我可以做到这一点没有谷歌搜索。

你遍历一个同级可以工作过的想法：

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

Answer 2

看起来你想要返回h2元素及其后续的兄弟姐妹。我不清楚您是要保留还是丢弃h4;如果你想保持它的XPath是：

//h2[@class="target"] | //h2[@class="target"]/following-sibling::* 

如果需要排除h4：

//h2[@class="target"] | //h2[@class="target"]/following-sibling::*[not(self::h4)] 

编辑：如果您需要排除h4和任何超越：

//h2[@class="target"] | //h2[@class="target"]/following-sibling::*[not(self::h4) | not(preceding-sibling::h4)]