web-dev-qa-db-ja.com

Nokogiriのタグ内に直接テキストを取得する

次のようなHTMLがあります。

_<dt>
  <a href="#">Hello</a>
  (2009)
</dt>
_

すでにすべてのHTMLをrecordという変数にロードしています。年、つまり2009が存在する場合は、それを解析する必要があります。

dtタグ内のテキストを取得できますが、aタグ内のテキストは取得できませんか？私はrecord.search("dt").inner_textを使用しましたが、これですべてが得られます。

ささいな質問ですが、私はこれを理解することができませんでした。

rubynokogiri
18
Mridang Agarwalla

すべての直接の子をテキストで取得し、それ以上のサブ子を取得しないようにするには、次のようにXPathを使用できます。

doc.xpath('//dt/text()')

または、検索を使用する場合：

doc.search('dt').xpath('text()')
17
Casper

XPathを使用して（@Casperによって提案されているように）必要なものを正確に選択することが正しい答えです。

def own_text(node)
  # Find the content of all child text nodes and join them together
  node.xpath('text()').text
end

これが別の楽しい答えです:)

def own_text(node)
  node.clone(1).tap{ |copy| copy.element_children.remove }.text
end

実際に見られる：

require 'nokogiri'
root = Nokogiri.XML('<r>hi <a>BOO</a> there</r>').root
puts root.text       #=> hi BOO there
puts own_text(root)  #=> hi  there
10
Phrogz

dt要素には2つの子があるため、次の方法でアクセスできます。

doc.search("dt").children.last.text
5
Chamnap