如何在不使用 Nokogiri 抓取 ul 的嵌套标签的情况下捕获 p 和 ul 标签？答案

【问题标题】：How to capture p and ul tags without grabbing ul's nested tags with Nokogiri?如何在不使用 Nokogiri 抓取 ul 的嵌套标签的情况下捕获 p 和 ul 标签？
【发布时间】：2016-07-19 05:47:00
【问题描述】：

使用 Nokogiri，我正在尝试获得所有“第一”级别的p 和 ul HTML 标签，但有点困难。

例如，这是我正在使用的 HTML

<p><strong>Just testing <em>something</em> out&nbsp;</strong>over here.</p>
<p>Here's a paragraph that contains bullets though:</p>
<ul>
    <li>One thing here.
        <ul>
            <li>One more thing</li>
        </ul>
    </li>
    <li>Another thing here</li>
</ul>
<p>
    <br>
</p>
<ul>
    <li>nothing</li>
</ul>
<p>Some more text.</p>

我想要获取所有段落和所有无序列表。因为无序列表没有被p 标签包围，所以我也必须使用以下示例来获取它们：

#data = the HTML above
html = Nokogiri::HTML(data)
html.xpath("//p | //ul").each do |p|
 # some code
end

问题是html.xpath("//p | //ul") 的输出看起来像这样：

<p><strong>Just testing <em>something</em> out </strong>over here.</p>
<p>Here's a paragraph that contains bullets though:</p>
<ul>
    <li>One thing here.
        <ul>
            <li>One more thing</li>
        </ul>
    </li>
    <li>Another thing here</li>
</ul>
<ul>
    <li>One more thing</li>
</ul>
<p>
    <br>
</p>
<ul>
    <li>nothing</li>
</ul>
<p>Some more text.</p>

如您所见，One more thing 会重复自身，因为它是ul 内嵌套的ul 标签之一。因此，我的代码最终对这个文本做了两次同样的事情。

所以我正在寻找的是“排除”嵌套标签，如果它与父标签相同，那么当我运行html.xpath("//p | //u") 或类似的东西时，它会查看ul 标签并将其视为xpath 输出数组中的一个元素

有没有办法用 Nokogiri 做到这一点？

【问题讨论】：

标签： html ruby xpath nokogiri

【解决方案1】：

您可以使用以下模式通过 XPath 选择特定名称的第一级元素：

//target_element[not(ancestor::target_element)]

因此，对于您的具体情况，XPath 如下：

//p[not(ancestor::p)] | //ul[not(ancestor::ul)]

【讨论】：