Hpricot：如何在没有其他 html 子元素的情况下提取内部文本

发布于 2024-12-28 07:08:35 字数 547 浏览 1 评论 0原文

我正在开发一个 vim rspec 插件（https://github.com/skwp/vim-rspec） - 我正在从 rspec 解析一些 html。它看起来像这样：

doc = %{
<dl>
  <dt id="example_group_1">This is the heading text</dt>
  Some puts output here
 </dl>
}

我可以获取 using 的整个内部：

(Hpricot.parse(doc)/:dl).first.inner_html

我可以通过 using 只获取 dt

(Hpricot.parse(doc)/:dl).first/:dt

但是如何访问“此处的一些输出”区域？如果我使用inner_html，则有太多其他垃圾需要解析。我浏览了 hpricot 文档，但没有看到一种简单的方法来获取 html 元素的内部文本，而忽略它的 html 子元素。

原文

I'm working on a vim rspec plugin (https://github.com/skwp/vim-rspec) - and I am parsing some html from rspec. It looks like this:

doc = %{
<dl>
  <dt id="example_group_1">This is the heading text</dt>
  Some puts output here
 </dl>
}

I can get the entire inner of the using:

(Hpricot.parse(doc)/:dl).first.inner_html

I can get just the dt by using

(Hpricot.parse(doc)/:dl).first/:dt

But how can I access the "Some puts output here" area? If I use inner_html, there is way too much other junk to parse through. I've looked through hpricot docs but don't see an easy way to get essentially the inner text of an html element, disregarding its html children.

分享到QQ

分享到微博

如果你对这篇内容有疑问，欢迎到本站社区发帖提问参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。

发布评论

需要登录才能够评论，你可以免费注册一个本站的账号。

惟欲睡 2025-01-04 07:08:35

我最终通过手动解析孩子们自己找出了一条路线：

(@context/"dl").each do |dl|
  dl.children.each do |child|
    if child.is_a?(Hpricot::Elem) && child.name == 'dd'
      # do stuff with the element
    elsif child.is_a?(Hpricot::Text)
      text=child.to_s.strip
      puts text unless text.empty?
    end
  end

I ended up figuring out a route by myself, by manually parsing the children:

(@context/"dl").each do |dl|
  dl.children.each do |child|
    if child.is_a?(Hpricot::Elem) && child.name == 'dd'
      # do stuff with the element
    elsif child.is_a?(Hpricot::Text)
      text=child.to_s.strip
      puts text unless text.empty?
    end
  end

回复收藏 0 原文

指尖微凉心微凉 2025-01-04 07:08:35

请注意，这是错误的 HTML。如果您可以控制它，则应该将所需的内容包装在
中。
在 XML 术语中，您要查找的是
元素后面的 TextNode。在我的评论中，我展示了如何在 Nokogiri 中使用 XPath 选择此节点。
但是，如果您必须使用 Hpricot，并且无法使用它选择文本节点，那么您可以通过获取 inner_html 然后删除不需要的内容来破解此问题：
```
(Hpricot.parse(doc)/:dl).first.inner_html.sub %r{.+?}, ''
```

Note that this is bad HTML you have there. If you have control over it, you should wrap the content you want in a <dd>.
In XML terms what you are looking for is the TextNode following the <dt> element. In my comment I showed how you can select this node using XPath in Nokogiri.
However, if you must use Hpricot, and cannot select text nodes using it, then you could hack this by getting the inner_html and then stripping out the unwanted:
```
(Hpricot.parse(doc)/:dl).first.inner_html.sub %r{<dt>.+?</dt>}, ''
```

回复收藏 0 原文

~没有更多了~