直接在Nokogiri的标签内获取文本

我有一些HTML看起来像：

 Hello (2009)  

我已将所有HTML加载到名为record的变量中。 我需要解析一年，即2009年是否存在。

如何获取dt标签内的文本而不是标签内的文本？ 我使用了record.search("dt").inner_text ，这给了我一切。

这是一个微不足道的问题，但我还没有想到这一点。

Answer 1

要获得所有带有文本的直接子项，而不是任何其他子子项，您可以像这样使用XPath：

 doc.xpath('//dt/text()') 

或者如果您想使用搜索：

 doc.search('dt').xpath('text()') 

Answer 2

使用XPath来准确选择你想要的东西（正如@Casper建议的那样）是正确的答案。

 def own_text(node) # Find the content of all child text nodes and join them together node.xpath('text()').text end 

这是另一个有趣的答案:)

 def own_text(node) node.clone(1).tap{ |copy| copy.element_children.remove }.text end 

看到行动：

 require 'nokogiri' root = Nokogiri.XML('hi BOO there').root puts root.text #=> hi BOO there puts own_text(root) #=> hi there 

Answer 3

dt元素有两个子元素，因此您可以通过以下方式访问它：

 doc.search("dt").children.last.text