提取div元素（Nokogiri/XPath/ruby​​）

Question

我正在尝试使用nokogiri来为某些div文本刮页。

HTML中的模式看起来像这样。它有数百或div的，这样的格式是这样的：

<div class="thing text-text" data-thing-id="29966403"> 
    <div class="thinguser"><i class="ico ico-water ico-blue"></i> 
    <div class="status">in 7 days 
</div> 
</div> 
<div class="ignore-ui pull-right"><input type="check box" > 
</div> 
<div class="col_a col text"> 
    <div class="text">foobar 
    </div> 
    </div> 
<div class="col_b col text"> 
    <div class="text">foobar desc 
    </div> 
</div> 
</div> 

（约坏格式抱歉）

我只是想抓住ID（数据事-ID），并从每个为col_a文本代码块，使输出的样子：

29966403 foobar 
29964234 barfoo 

下面的代码我现在有不工作：

#!/usr/bin/env ruby 

require 'nokogiri' 
require 'open-uri' 

tids = Array.new 
terms = Array.new 

doc = Nokogiri::HTML(open("http://somewebsite.com/")) 

tids = doc.xpath("//div[contains(@class,'thing')]/data-thing-id()").collect {|node| node.text.strip} 
terms = doc.xpath("//div[contains(@class,'col_b')]/text()").collect {|node| node.text.strip} 

tids.zip(terms).each do |tid.term| 
puts tid+" "+term 
end 

在此先感谢， 克里斯

Answer 1

尝试：

tids = doc.xpath("//div[contains(concat(' ', @class, ' '),' thing ')]").collect {|node| node['data-thing-id']} 
terms = doc.xpath("//div[contains(concat(' ', @class, ' '),' col_b ')]").collect {|node| node.text.strip } 

tids.zip(terms).each do |tid, term| 
    puts tid+" "+term 
end 
# => 29966403 foobar desc 

什么上面的代码是干什么用的文档的XPATH分别找每个DIVs that contain the classesthing和col_b的。然后它将每个找到的DIV取出并提取属性data-thing-id或元素中包含的显示文本，并从结果中创建数组。

引入nokogiri支持xpath和css，你可以找到如何通过看各自的单证充分利用这些工具