如何使用 Nokogiri 的 xpath 和 at_xpath 方法

Question

我正在学习如何使用 Nokogiri，根据这段代码，我遇到了几个问题：

require 'rubygems'
require 'mechanize'

post_agent = WWW::Mechanize.new
post_page = post_agent.get('http://www.vbulletin.org/forum/showthread.php?t=230708')

puts "\nabsolute path with tbody gives nil"
puts  post_page.parser.xpath('/html/body/div/div/div/div/div/table/tbody/tr/td/div[2]').xpath('text()').to_s.strip.inspect

puts "\n.at_xpath gives an empty string"
puts post_page.parser.at_xpath("//div[@id='posts']/div/table/tr/td/div[2]").at_xpath('text()').to_s.strip.inspect

puts "\ntwo lines solution with .at_xpath gives an empty string"
rows =   post_page.parser.xpath("//div[@id='posts']/div/table/tr/td/div[2]")
puts rows[0].at_xpath('text()').to_s.strip.inspect


puts
puts "two lines working code"
rows =   post_page.parser.xpath("//div[@id='posts']/div/table/tr/td/div[2]")
puts rows[0].xpath('text()').to_s.strip

puts "\none line working code"
puts post_page.parser.xpath("//div[@id='posts']/div/table/tr/td/div[2]")[0].xpath('text()').to_s.strip

puts "\nanother one line code"
puts post_page.parser.at_xpath("//div[@id='posts']/div/table/tr/td/div[2]").xpath('text()').to_s.strip

puts "\none line code with full path"
puts post_page.parser.xpath("/html/body/div/div/div/div/div/table/tr/td/div[2]")[0].xpath('text()').to_s.strip

• 在 XPath 中使用 // 或 / 更好吗？ @AnthonyWJones 表示“使用不带前缀的 //”并不是一个好主意。
• 我必须从任何工作的 XPath 中删除 tbody，否则我会得到 nil 结果。如何从 XPath 中删除元素以使事情正常工作？
• 如果不使用完整的 XPath，我是否必须使用两次 xpath 来提取数据？
• 为什么我不能让at_xpath 工作以提取数据？它在“How do I parse an HTML table with Nokogiri?”中运行良好。有什么区别？

Answer 1

1. // 表示每个级别的每个节点，因此与/ 相比，它的成本要高得多。
2. 您可以使用* 作为占位符。
3. 不，您可以进行 XPath 查询，获取元素，然后在节点上调用 Nokogiri 的 text 方法。
4. 当然可以。看看“What is the absolutely cheapest way to select a child node in Nokogiri?”和我的基准文件。您将看到at_xpath 的示例。

我发现你经常使用text() 表达式。使用 Nokogiri 不需要这样做。您可以检索该节点，然后在该节点上调用text 方法。它便宜得多。

还要记住 Nokogiri 支持 CSS 选择器。如果您使用 HTML 页面，它们会更容易。