获取Nokogiri中的属性值以提取链接URL
我有一个文档，看起来像这样：
<div id="block">
<a href="http://google.com">link</a>
</div>我无法让Nokogiri获取href属性的值。我想将地址作为字符串存储在Ruby变量中。
回答 6
Stack Overflow用户
发布于 2011-08-18 20:50:48
html = <<HTML
<div id="block">
<a href="http://google.com">link</a>
</div>
HTML
doc = Nokogiri::HTML(html)
doc.xpath('//div/a/@href')
#=> [#<Nokogiri::XML::Attr:0x80887798 name="href" value="http://google.com">]或者，如果您想更具体地了解div：
>> doc.xpath('//div[@id="block"]/a/@href')
=> [#<Nokogiri::XML::Attr:0x80887798 name="href" value="http://google.com">]
>> doc.xpath('//div[@id="block"]/a/@href').first.value
=> "http://google.com"Stack Overflow用户
发布于 2012-10-12 04:51:36
doc = Nokogiri::HTML(open("[insert URL here]"))
href = doc.css('#block a')[0]["href"]变量href被赋值给id为'block'的元素内<a>元素的"href"属性值。行doc.css('#block a')返回一个包含#block a属性的单项数组。[0]以单个元素为目标，该元素是一个包含所有属性名称和值的散列。["href"]针对该散列中的"href"的键并返回值，该值是一个包含url的字符串。
Stack Overflow用户
发布于 2013-11-29 19:42:14
在以各种形式努力解决这个问题后，我决定给自己写一个伪装成答案的教程。这可能会对其他人有所帮助。
从下面的代码片段开始：
require 'rubygems'
require 'nokogiri'
html = <<HTML
<div id="block1">
<a href="http://google.com">link1</a>
</div>
<div id="block2">
<a href="http://stackoverflow.com">link2</a>
<a id="tips">just a bookmark</a>
</div>
HTML
doc = Nokogiri::HTML(html)提取所有链接
我们可以使用xpath或css来查找所有元素，然后只保留那些具有href属性的元素：
nodeset = doc.xpath('//a') # Get all anchors via xpath
nodeset.map {|element| element["href"]}.compact # => ["http://google.com", "http://stackoverflow.com"]
nodeset = doc.css('a') # Get all anchors via css
nodeset.map {|element| element["href"]}.compact # => ["http://google.com", "http://stackoverflow.com"]但还有一种更好的方法:在上述情况下，.compact是必需的，因为搜索也会返回“只是一个书签”元素。我们可以使用更精细的搜索来仅查找包含href属性的元素：
attrs = doc.xpath('//a/@href') # Get anchors w href attribute via xpath
attrs.map {|attr| attr.value} # => ["http://google.com", "http://stackoverflow.com"]
nodeset = doc.css('a[href]') # Get anchors w href attribute via css
nodeset.map {|element| element["href"]} # => ["http://google.com", "http://stackoverflow.com"]查找特定链接
在<div id="block2">中查找链接的步骤
nodeset = doc.xpath('//div[@id="block2"]/a/@href')
nodeset.first.value # => "http://stackoverflow.com"
nodeset = doc.css('div#block2 a[href]')
nodeset.first['href'] # => "http://stackoverflow.com"如果你知道你只搜索一个链接，你可以改用at_xpath或at_css：
attr = doc.at_xpath('//div[@id="block2"]/a/@href')
attr.value # => "http://stackoverflow.com"
element = doc.at_css('div#block2 a[href]')
element['href'] # => "http://stackoverflow.com"从关联文本中查找链接
如果你知道与链接相关的文本并想要找到它的url，该怎么办？一点xpath-fu (或css-fu)就派上用场了：
element = doc.at_xpath('//a[text()="link2"]')
element["href"] # => "http://stackoverflow.com"
element = doc.at_css('a:contains("link2")')
element["href"] # => "http://stackoverflow.com"从链接查找文本
如果您想要查找与特定链接相关联的文本，该怎么办？不成问题：
element = doc.at_xpath('//a[@href="http://stackoverflow.com"]')
element.text # => "link2"
element = doc.at_css('a[href="http://stackoverflow.com"]')
element.text # => "link2"有用的参考资料
除了广泛的Nokorigi documentation之外，我在写这篇文章的时候还发现了一些有用的链接：
- a handy Nokogiri cheat sheet
- a tutorial on parsing HTML with Nokogiri
- interactively test CSS selector queries
https://stackoverflow.com/questions/7107642
复制相似问题
腾讯云开发者
