如何避免刮

当我从刮HTML或XML来提取文本的几个相关节点从节点加入所有文字，所有的文本连接成一个长字符串，使其无法恢复单个文本字符串。如何避免刮

例如：

require 'nokogiri' 

doc = Nokogiri::HTML(<<EOT) 
<html> 
    <body> 
    <p>foo</p> 
    <p>bar</p> 
    <p>baz</p> 
    </body> 
</html> 
EOT 

doc.search('p').text # => "foobarbaz"

但我想要的是：

["foo", "bar", "baz"]

刮XML时，同样的情况：

doc = Nokogiri::XML(<<EOT) 
<root> 
    <block> 
    <entries>foo</entries> 
    <entries>bar</entries> 
    <entries>baz</entries> 
    </block> 
</root> 
EOT 

doc.search('entries').text # => "foobarbaz"

为什么会出现这种情况？如何避免它？

来源

2017-04-24 the Tin Man

这是一个很容易解决的问题，不从读取有关如何text的行为上的节点集与一个节点（或元件）一起使用时的文档的结果。

的NodeSet documentation说text将：

获取所有包含节点的内部文本对象

这也就是我们所看到的与发生：

doc = Nokogiri::HTML(<<EOT) 
<html> 
    <body> 
    <p>foo</p> 
    <p>bar</p> 
    <p>baz</p> 
    </body> 
</html> 
EOT 

doc.search('p').text # => "foobarbaz"

，因为：

doc.search('p').class # => Nokogiri::XML::NodeSet

相反，我们希望让每一个节点，并提取其文本：

doc.search('p').first.class # => Nokogiri::XML::Element 
doc.search('p').first.text # => "foo"

这是可以做到使用map：

doc.search('p').map { |node| node.text } # => ["foo", "bar", "baz"]

红宝石允许我们编写更简明使用：

doc.search('p').map(&:text) # => ["foo", "bar", "baz"]

同样的事情是否适用于我们正在与HTML或XML的工作，因为HTML是XML的一个更宽松的版。

的节点已在其嵌入式文本得到几个别名的方法。从the documentation：

#content ⇒ Object

也称为：text，inner_text

返回此节点的内容。

来源

2017-04-24 17:45:50

回答

相关问题