Hpricot CSS类搜索

Question

我正在编写一些代码，用于在一个页面上抓取两个css类的页面。我只是简单地使用Hpricot搜索方法来实现：

webpage.search("body").search("div.first_class | div.second_class")

...for找到的每一项，我都创建了一个对象，并将其放入一个数组中，这很好用，除了一件事。

搜索将遍历整个html页面，并在每次遇到“.first_class”时将一个对象添加到一个数组中，然后它将再次遍历文档以查找“.Second_class”，导致最终的数组包含所有搜索项在数组中的顺序不正确，即所有的“.first_class”对象，后跟所有的“.second_class”对象。

有没有一种方法可以让我一次性搜索文档，并在每次遇到指定的类时将一个对象添加到数组中，给我一个项目数组，该数组按照项目在我抓取的页面上的顺序排列？

任何帮助都非常感谢。谢谢

Answer 1

好了，事实证明我错了，这和我之前做的没有任何不同。然而，我已经想出了一个解决方案，我不确定这是不是最合适的。然而，对于一个恼人的问题，这似乎是一个相当直接的问题。

我现在执行上面提到的两个类的搜索：

webpage.search("body").search("[@class~='first_class']|[@class~='second_class']")

然而，这仍然返回一个数组，首先包含类为'first_class‘的所有div，然后是类为'second_ class’的所有div。因此，为了修复这个问题并获得所有项在页面上按顺序出现的数组，我只需将'add_class‘方法与我自己的自定义类(例如'foo_bar’)链接起来。然后，这允许我在页面上执行另一次搜索，查找只有一个标记的所有div，从而返回一个包含我要查找的所有项目的数组，按照它们在页面上出现的顺序。

webpage.search("body").search("[@class~='first_class']|[@class~='second_class']").add_class("foo_bar")

webpage.search("body").search("[@class~='foo_bar']")

Answer 2

请参阅这里的“检查几个属性”部分：

http://wiki.github.com/why/hpricot/hpricot-challenge

您应该能够以与处理属性相同的方式堆叠元素。在2006年3月17日之后的Hpricot版本中，此功能显然是可能的。以下是包含元素的示例：

doc.search("[@href][@type]")

Answer 3

谢谢你告诉我。我没有在文档中发现这一点，还发现了另一个我也没有看过的页面。我已经用下面的代码行修复了这个问题：

webpage.search("body").search("[@class~='first_class']|[@class~='second_class']")

现在，每当它遇到文档中的上述类之一时，都会向数组中添加一个对象。非常出色!