使用 Nokogiri 解析 div 元素答案

【问题标题】：Parsing div elements with Nokogiri使用 Nokogiri 解析 div 元素
【发布时间】：2014-04-29 05:23:46
【问题描述】：

以下代码成功提取tid和term数据：

（Uri Agassi 慷慨地回答）

for i in (1..10)
  doc = Nokogiri::HTML(open("http://somewebsite.com/#{i}/"))
  tids =  doc.xpath("//div[contains(concat(' ', @class, ' '),' thing ')]").collect {|node|    node['data-thing-id']}
  terms = doc.xpath("//div[contains(concat(' ', @class, ' '),' col_a ')]").collect {|node| node.text.strip }

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

来自以下示例 html：

<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>

如果我想以同样的方式提取状态（“7 天内”字符串）信息，那么最好的方法是什么？我好像搞不懂。

有人能详细解释一下 tids 和 terms assignment lines 的实际作用吗？我不明白，Nokogiri 文档似乎没有涵盖这一点。

非常感谢。

~克里斯

【问题讨论】：

标签： html ruby-on-rails ruby xpath nokogiri

【解决方案1】：

我只想在 nokogiri 中使用 CSS 选择器。这样的事情应该可以工作。

doc = Nokogiri::HTML(open("http://somewebsite.com/#{i}/"))
seven_days = doc.css('status').content

【讨论】：

谢谢，但它是说 .content 方法未定义：在<main>': undefined method content' for []:Nokogiri::XML::NodeSet (NoMethodError)
@user1117603 选择器错误，应该是“.status”。这将返回所有匹配节点的匹配。所以最后一行应该是 seven_days = doc.css('.status').first.content 或 seven_days = doc.at_css('.status').content 如果你只需要匹配选择器的第一个节点。
@Pafjo 谢谢，但我仍然遇到同样的错误：./scrape_next_rep.rb:15:in <main>': undefined method content' for nil:NilClass (NoMethodError)
@Pafjo 知道为什么puts doc.at_css('div.col_a > div.text').text 有效而puts doc.at_css('div.thing > div.thinguser > div.status').text 无效吗？
@user1117603 这很奇怪！当我与您一起尝试示例 html 时，这两个示例都适用于我。我正在使用 Ruby 1.9.2p318、Nokogiri 1.6.1 和 libxml2 在 2.9.1_0。您是从文件中读取内容还是通过网络读取内容？