如何将HTML文档格式化为特定的输出？
如何将HTML文档格式化为特定的输出？
提问于 2013-10-26 19:33:28
我试图将那个HTML文档处理成一个特定的输出，我成功地收到了如下所示的结果：
<div class="country">
<b>Austria</b>
<div>Wolfhard</div>
</div>
<div class="country">
<b>Bulgaria</b>
<div>Nestor</div>
</div>
<div class="country">
<b>Croatia</b>
<div>Sabina</div>
<div>Florencije</div>
</div>
<div class="country">
<b>Czech Republic</b>
<div>Šarlota</div>
<div>Zoe</div>
</div>我想要实现这样的目标：
Austria
Wolfhard
Bulgaria
Nestor
Croatia
Sabina, Florencije
Czech Republic
Šarlota, Zoe名称的最大数量为3。
回答 1
Stack Overflow用户
回答已采纳
发布于 2013-10-27 04:30:11
HTML是一个无效的示例。使用有效的最小样本数据是很重要的。
我不在我的电脑附近，但这看起来差不多是对的：
require 'nokogiri'
# encoding: utf8
html = '<html>
<body>
<div class="country">
<b>Austria</b>
<div>Wolfhard</div>
</div>
<div class="country">
<b>Bulgaria</b>
<div>Nestor</div>
</div>
<div class="country">
<b>Croatia</b>
<div>Sabina</div>
<div>Florencije</div>
</div>
<div class="country">
<b>Czech Republic</b>
<div>Šarlota</div>
<div>Zoe</div>
</div>
</body>
</html>'
doc = Nokogiri::HTML(html)建立一个解析的DOM。因为有UTF-8字符，所以如果使用Ruby < v2.0，告诉Ruby这一点很重要，这就是为什么编码行在那里：
# encoding: utf8下面是如何搜索DOM：
countries = doc.search('.country')
data = countries.map { |country|
name = country.at('b').text
cities = country.search('div').map(&:text)
{
:name => name,
:cities => cities
}
}它返回一个散列数组，其中每个散列包含国家名和城市名称的子数组。在那里，您可以轻松地迭代数组，并根据需要输出值。
这一切都很简单，您只需考虑增量步骤：
- 因为有多个带有
div的class="country"标记，所以可以使用search或css方法对它们进行迭代。css需要一个CSS选择器，而search则允许CSS或XPath。我通常使用search，因为有时我使用CSS，有时使用XPath，并且在开发代码时可能会在它们之间跳转，因为可能会有更好的流。除了选择器之外，还必须更改方法名是一件痛苦的事。 - 对于所选的每个div，使用
<b>捕获第一个找到的匹配元素，然后为城市获取匹配的嵌入式div的at标记很容易。
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/19610982
复制相关文章
相似问题
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号