我试图从使用Nokogiri的HTML文档中获取所有节点。如果你们认为它更容易,我可以使用其他的东西。使用Nokogiri从Ruby中的HTML文档获取所有节点
我有这样的HTML:
<html>
<body>
<h1>Header1</h1>
<h2>Header22</h2>
<ul>
<li>Li1</li>
<ul>
<li>Li1</li>
<li>Li2</li>
</ul>
</ul>
</body>
</html>
的字符串形式:
string_page = "<html><body><h1>Header1</h1><h2>Header22</h2><ul><li>Li1</li><ul><li>Li1</li><li>Li2</li></ul></ul></body></html>"
我创建的对象:
page = Nokogiri.HTML(string_page)
我试图穿越它:
result = []
page.traverse { |node| result << node.name unless node.name == "text" }
=> ["html", "h1", "h2", "li", "li", "li", "ul", "ul", "body", "html", "document"]
但我不喜欢的是元素的顺序。我需要有一个与它们的显示顺序相同的数组:
["html", "body", "h1", "h2", "ul", "li", "ul", "li", "li" ]
我不需要结束标记。
有没有人有更好的解决方案来实现这个目标?
你为什么这样做?迭代遍历每个节点是非常低效的。你可以用SAX解析器做同样的事情,它可能运行得更快。 – 2014-12-04 16:17:53