Was wäre die effizienteste Möglichkeit, alle Texte zwischen HTML-Tags zu greifen?Text zwischen allen Tags in Nokogiri greifen?
<div>
<a> hi </a>
....
bündel von texten umgeben von html tags.
Was wäre die effizienteste Möglichkeit, alle Texte zwischen HTML-Tags zu greifen?Text zwischen allen Tags in Nokogiri greifen?
<div>
<a> hi </a>
....
bündel von texten umgeben von html tags.
doc = Nokogiri::HTML(your_html)
doc.xpath("//text()").to_s
danke! Funktioniert gut +1 – rusllonrails
Verwenden Sie einen Sax Parser. Viel schneller als die XPath-Option.
require "nokogiri"
some_html = <<-HTML
<html>
<head>
<title>Title!</title>
</head>
<body>
This is the body!
</body>
</html>
HTML
class TextHandler < Nokogiri::XML::SAX::Document
def initialize
@chunks = []
end
attr_reader :chunks
def cdata_block(string)
characters(string)
end
def characters(string)
@chunks << string.strip if string.strip != ""
end
end
th = TextHandler.new
parser = Nokogiri::HTML::SAX::Parser.new(th)
parser.parse(some_html)
puts th.chunks.inspect
Wie könnte dies geändert werden, um nur Text zwischen Body-Tag allein zu erhalten? – Omnipresent
Setzen Sie ein Flag und fangen Sie erst dann mit der Erfassung von Zeichen an, wenn Sie sehen, dass das body-Tag beginnt und die Erfassung beendet, nachdem das body-Tag geschlossen wurde. –
Hier ist, wie in der Frage div dieser Seite den ganzen Text erhalten:
require 'rubygems'
require 'nokogiri'
require 'open-uri'
doc = Nokogiri::HTML(open("http://stackoverflow.com/questions/1512850/grabbing-text-between-all-tags-in-nokogiri"))
puts doc.css("#question").to_s
Just do:
doc = Nokogiri::HTML(your_html)
doc.xpath("//text()").text
Check out https://github.com/rgrove/ Sanitize auch – Abram