文章/答案/技术大牛

发布

社区首页 >问答首页 >如何使用Nokogiri拆分HTML文档？

问如何使用Nokogiri拆分HTML文档？
EN

Stack Overflow用户

提问于 2010-08-15 03:51:37

回答 1查看 1.8K关注 0票数 3

现在，我将HTML文档分成这样的小块：(正则表达式简化-跳过头标记内容和结束标记)

document.at('body').inner_html.split(/<\s*h[2-6][^>]*>/i).collect do |fragment|
  Nokogiri::HTML(fragment)
end

有没有更简单的方法来执行这种拆分？

文档非常简单，只包含标题、段落和格式化文本。例如：

<body>
<h1>Main</h1>
<h2>Sub 1</h2>
<p>Text</p>
-----
<h2>Sub 2</h2>
<p>Text</p>
-----
<h3>Sub 2.1</h3>
<p>Text</p>
-----
<h3>Sub 2.2</h3>
<p>Text</p>
</body>

对于那个样本，我需要得到四个部分。

ruby

xml

nokogiri

回答 1

Stack Overflow用户

回答已采纳

发布于 2011-11-08 04:51:01

我只是不得不做一些类似的事情。我将一个很大的超文本标记语言文件拆分为“章节”，其中一章以<h1>标记开始。

我还希望在散列中保留章节的标题，并忽略第一个<h1>标记之前的所有内容。

代码如下：

full_book = Nokogiri::HTML(File.read('full-book.html'))
@chapters = full_book.xpath('//body').children.inject([]) do |chapters_hash, child|
  if child.name == 'h1'
    title = child.inner_text
    chapters_hash << { :title => title, :contents => ''}
  end

  next chapters_hash if chapters_hash.empty?
  chapters_hash.last[:contents] << child.to_xhtml
  chapters_hash
end

票数 5

页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://stackoverflow.com/questions/3484874

复制

相似问题

问如何使用Nokogiri拆分HTML文档？
EN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问如何使用Nokogiri拆分HTML文档？EN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问如何使用Nokogiri拆分HTML文档？
EN