Как получить текст после или перед определенными тегами, используя Nokogiri - PullRequest
Новая
       3

Как получить текст после или перед определенными тегами, используя Nokogiri

2 голосов
/ 10 декабря 2010

У меня есть HTML-документ, что-то вроде этого: 

<root><template>title</template>
<h level="3" i="3">Something</h>
<template element="1"><title>test</title></template>
# one
# two
# three
# four
<h level="4" i="5">something1</h>
some random test
<template element="1"><title>test</title></template>
# first
# second
# third
# fourth
<template element="2"><title>testing</title></template>

Я хочу извлечь: 

# one
# two 
# three
# four
# first
# second
# third
# fourth
</root>

Другими словами, я хочу "весь текст после <template element="1"><title>test</title></template> идо следующего тега, который начинается после этого. "

Я могу получить весь текст между root, используя '//root/text()', но как мне получить весь текст до и после определенных тегов?

Ответы [ 2 ]

5 голосов
/ 15 декабря 2010

Это похоже на работу: 

require 'nokogiri'

xml = '<root>
    <template>title</template>
    <h level="3" i="3">Something</h>
    <template element="1">
        <title>test</title>
    </template>
    # one
    # two
    # three
    # four
    <h level="4" i="5">something1</h>
    some random test
    <template element="1">
        <title>test</title>
    </template>
    # first
    # second
    # third
    # fourth
    <template element="2">
        <title>testing</title>
    </template>
</root>
'

doc = Nokogiri::XML(xml)
text = (doc / 'template[@element="1"]').map{ |n| n.next_sibling.text.strip.gsub(/\n  +/, "\n") }
puts text
# >> # one
# >> # two
# >> # three
# >> # four
# >> # first
# >> # second
# >> # third
# >> # fourth
0 голосов
/ 15 декабря 2010

Я почти уверен, что krusty.ar прав, что для этого нет встроенного метода. Вы можете просто удалить все теги внутри корневого тега один за другим, если хотите. Это взлом, но это работает: 

doc = Nokogiri::HTML(open(url)) # or Nokogiri::HTML.parse(File.open(file_path))
doc.xpath('//template').remove
doc.xpath('//h').remove
doc

Это дает искомый результат с размещенным вами HTML.

...