我可以使用 nokogiri 获取 html 元素吗？

Question

我对 nokogiri 有疑问，我需要从页面获取 HTML 元素，并获取每个元素的 xpath。 问题是我不知道如何用 nokogiri 做到这一点。 HTML 代码是随机的，因为我必须解析来自不同网站的多个页面。

Answer 1

如果您询问如何搜索节点，则可以使用 CSS 或 XPath 表达式，如下所示：

require 'rubygems'
require 'nokogiri'
require 'open-uri'

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

node_found_by_css = doc.css("h1").first
node_found_by_xpath = doc.xpath("/html/body//h1").first

如果您询问如何在找到节点后检索其规范的 XPath 表达式，则可以使用Node#path 像这样：

puts node_found_by_css.path # => "/html/body/div[3]/div[1]/div[1]/h1"

Answer 2

如果您询问如何获取页面中每个 HTML 元素的 XPath，那么以下内容应该会有所帮助。 这将打开并解析页面，然后打印出每个元素的 XPath。

require 'rubygems'
require 'nokogiri'
require 'open-uri'

doc = Nokogiri::HTML(open("http://slashdot.com/"))
doc.traverse {|node| puts node.path }