如何利用引入nokogiri

Question

我试图利用引入nokogiri网页获取定义规范链接以获得从HTML头规范链接：

<link rel="canonical" href="https://test.com/somepage"> 

这是href我之后。

无论我尝试它似乎不工作。这是我的：

page = Nokogiri::HTML.parse(browser.html) 

canon = page.xpath('//canonical/@href') 
puts canon 

这不会返回任何东西，甚至没有错误。

Answer 1

您正试图获得该属性，但不是你怎么做。

您可以使用此：

page.xpath('//link[@rel="canonical"]/@href') 

什么它说的是：给我一个链接元素的任何地方，有一个rel属性，等于"canonical"，当你发现节点，让我的href属性的文件。

完整的答案是：

page = Nokogiri::HTML.parse(browser.html) 

canon = page.xpath('//link[@rel="canonical"]/@href') 
puts canon 

你试图做的是得到一个被称为“规范”，而不是属性节点。

Answer 2

我使用CSS选择了使用XPath作为他们更可读的粉丝：

require 'nokogiri' 

doc = Nokogiri::HTML('<link rel="canonical" href="https://test.com/somepage">') 
doc.at('link[rel="canonical"]')['href'] # => "https://test.com/somepage" 

什么引入nokogiri和XPath，被访问节点参数时返回

---

还有的来混淆。试想一下：

require 'nokogiri' 

doc = Nokogiri::HTML('<link rel="canonical" href="https://test.com/somepage">') 

这是我怎么会做它用CSS：

doc.at('link[rel="canonical"]').class # => Nokogiri::XML::Element 
doc.at('link[rel="canonical"]')['href'].class # => String 

doc.at('link[rel="canonical"]')['href'] # => "https://test.com/somepage" 

的XPath，而功能更强大，也能够让你，或者引入nokogiri，Ruby或CPU的，做多工作。

首先，xpath是search的XPath特定版本，它返回一个NodeSet，而不是节点或元素。一个NodeSet类似于一组节点，如果你不知道你有什么，它会咬你。从NodeSet文档：

NodeSet包含Nokogiri :: XML :: Node对象的列表。通常，一个节点集是回报通过引入nokogiri搜索文档:: XML ::检索＃CSS或引入nokogiri :: XML ::检索＃XPath的

如果你正在寻找一个特定节点，或仅一个的结果特定类型的节点的单个实例，然后使用at，或者如果您想要挑剔，请使用at_css或at_xpath。 （Nokogiri在使用at或search时通常会弄清楚你的意思，但有时你必须使用特定的方法让Nokogiri在正确的方向上微调）。在上面的例子中使用at表明它返回节点本身，并且一旦你已经得到了节点，通过把它看作一个散列来获得任何参数的值是微不足道的。

xpath，search和css都返回节点集，所以，像一个数组，你需要指向实际的元素，那么你想获得的参数：

doc.xpath('//link[@rel="canonical"]/@href').class # => Nokogiri::XML::NodeSet 
doc.xpath('//link[@rel="canonical"]/@href').first.class # => Nokogiri::XML::Attr 

doc.xpath('//link[@rel="canonical"]/@href').text # => "https://test.com/somepage" 

注意'//link[@rel="canonical"]/@href'导致引入nokogiri返回获得Attr对象，而不是文本。您可以打印该对象，并且Ruby将对其进行字符串化，但如果您尝试像对待它一样对待它，它将不会像字符串那样表现出错误，从而导致错误。例如：

doc.xpath('//link[@rel="canonical"]/@href').first.downcase # => NoMethodError: undefined method `downcase' for #<Nokogiri::XML::Attr:0x007faace115d20> 

相反，使用text或content来获取文本值：

doc.at('//link[@rel="canonical"]/@href').class # => Nokogiri::XML::Attr 

doc.at('//link[@rel="canonical"]/@href').text # => "https://test.com/somepage" 

或获取元素本身，然后访问像你该参数将哈希：

doc.at('//link[@rel="canonical"]').class # => Nokogiri::XML::Element 

doc.at('//link[@rel="canonical"]')['href'] # => "https://test.com/somepage" 

其中之一将返回一个字符串。

另请注意，在此示例中，我没有使用@href返回Attr，我只获取节点本身，然后使用['href']返回参数的文本。这是一个较短的选择器，至少对我来说更有意义，因为Nokogiri不必返回Attr对象，然后您必须使用text进行转换，否则当您不小心将其视为字符串时，可能会遇到问题。