如何在执行string.scan时预留多行

Question

下面是我要浏览的html的摘录。

<div class="text">
 <h3>
  <a href="http://www.faith.co.uk/">
   Rodeo Sinclair
  </a>
 </h3>

这是我的ruby代码。

@doc = open(url) { |f| 
  @doc = f.read
}

output = @doc.scan(/<h3><a href=(.*?)>/) 

由于html文件中的新行和空格，这不起作用。有什么办法可以让我绕过这个问题吗？

Answer 1

我可以很容易地创建一个正则表达式来解析您的HTML片段。

但是，我鼓励您养成使用XML/HTML解析器与HTML交互的习惯。

require 'nokogiri'
require 'open-uri'

doc = Nokogiri::HTML(open(url))

output = doc.css('div h3 a').each do |link|
    puts link.attr("href")
end

有关反对使用正则表达式解析超文本标记语言的令人信服的论点，请参阅RegEx match open tags except XHTML self-contained tags。

==EDIT==已更改为each循环

Answer 2

向匹配项添加(可选)空格：

@doc.scan(/<h3>\s*<a href=(.*?)>/)