在Ruby中用正则表达式解析html

Question

大家好，我有一个html代码作为代码波纹管。我想进去<a>(.*)</a>

我想要得到这样的结果的文本：

data 1 : hello1 
data 2 : hello2 
data 3 : hello3 

从输入：

<a> 
hello1 
</a> 
<a> 
hello2 
</a> 
<a> 
hello3 
</a> 

Answer 1

要在两点意见扩张，下面引入nokogiri代码将工作为你举例。您可以使用xpath或CSS。一个专用的解析器比滚动你自己的正则表达式要强大得多。

> require 'nokogiri' 
=> true 
> doc = Nokogiri::HTML("<a>hello1</a><a>hello2</a><a>hello3</a>") 
=> #<Nokogiri::HTML::Document:0x3ffec2494f48 name="document" children=[#<Nokogiri::XML::DTD:0x3ffec2494bd8 name="html">, #<Nokogiri::XML::Element:0x3ffec2494458 name="html" children=[#<Nokogiri::XML::Element:0x3ffec2494250 name="body" children=[#<Nokogiri::XML::Element:0x3ffec2494048 name="a" children=[#<Nokogiri::XML::Text:0x3ffec2493e40 "hello1">]>, #<Nokogiri::XML::Element:0x3ffec249dc88 name="a" children=[#<Nokogiri::XML::Text:0x3ffec249da80 "hello2">]>, #<Nokogiri::XML::Element:0x3ffec249d878 name="a" children=[#<Nokogiri::XML::Text:0x3ffec249d670 "hello3">]>]>]>]> 
> doc.css('a').each { |node| p node.text } 
"hello1" 
"hello2" 
"hello3" 
=> 0 

更新：如果您尚未安装nokogiri宝石，您将需要它。

sudo gem install nokogiri 

根据您的设置，您可能还需要预先

require 'rubygems'