1
我发布了一个类似的问题,没有考虑到正文中的多行。我有一个HTML像这样,我想提取的“身体”(使用引入nokogiri)的:在标题标签下提取多行内容
html = %q|
<div class="content">
<h1>Title 1</h1>
Lorem ipsum 1
<h2>Title 2</h2>
Lorem ipsum 2
<h3>Title 3</h3>
<p>paragraph content 1</p>
<b>Lorem ipsum 3</b>
<p>paragraph content 2</p>
<h1>Title 4</h1>
Lorem ipsum 4
<h2>Title 5</h2>
Lorem ipsum 5
</div>
|
我想提取下的每个标题标题的主体内容,并把它们放入一个数组,像这样:
[
"Lorem ipsum 1",
"Lorem ipsum 2",
"<p>paragraph content 1</p><b>Lorem ipsum 3</b><p>paragraph content 2</p>",
"Lorem ipsum 4",
"Lorem ipsum 5"
]
然而,当我这样做:
Nokogiri::HTML(html).
css("div").
children.
reject{|e| e.name =~ /\Ah\d\z/}.
map{|e| e.to_html.strip}.reject(&:empty?)
我得到这个数组来代替:
[
"Lorem ipsum 1",
"Lorem ipsum 2",
"<p>paragraph content 1</p>",
"<b>Lorem ipsum 3</b>",
"<p>paragraph content 2</p>",
"Lorem ipsum 4",
"Lorem ipsum 5"
]
有没有办法提取多行“正文”的内容来显示我想要的数组?
您的问题与多行无关,它必须处理标题后面的多个DOM节点。 – sawa 2014-10-10 07:15:10