从标记中提取HTML5数据属性
我想从标签中提取所有HTML5数据属性,就像这个jQuery插件一样 。
例如,给定:
Joe Bloggs
我想得到一个哈希:
{ 'data-age' => '50', 'data-location' => 'London' }
我最初希望使用通配符作为我的CSS选择器的一部分,例如
Nokogiri(html).css('span[@data-*]').size
但似乎不支持。
选项1:抓取所有数据元素
如果您只需要列出所有页面的数据元素,那么这是一个单行:
Hash[doc.xpath("//span/@*[starts-with(name(), 'data-')]").map{|e| [e.name,e.value]}]
输出:
{"data-age"=>"50", "data-location"=>"London"}
选项2:按标签对结果进行分组
如果要按标记对结果进行分组(可能需要对每个标记进行其他处理),可以执行以下操作:
tags = [] datasets = "@*[starts-with(name(), 'data-')]" #If you want any element, replace "span" with "*" doc.xpath("//span[#{datasets}]").each do |tag| tags << Hash[tag.xpath(datasets).map{|a| [a.name,a.value]}] end
然后tags
是一个包含键值哈希对的数组,按标记分组。
选项3:像jQuery数据集插件一样的行为
如果您更喜欢类似插件的方法,下面将为您提供每个Nokogiri节点上的dataset
方法。
module Nokogiri module XML class Node def dataset Hash[self.xpath("@*[starts-with(name(), 'data-')]").map{|a| [a.name,a.value]}] end end end end
然后,您可以找到单个元素的数据集:
doc.at_css("span").dataset
或者获取一组元素的数据集:
doc.css("span").map(&:dataset)
例:
以下是上述dataset
方法的行为。 给出HTML中的以下行:
Joe Bloggs Jim Foggs
输出将是:
[ {"data-location"=>"London", "data-age"=>"50"}, {"data-location"=>"Oxford", "data-age"=>"40"} ]
你可以用一点xpath做到这一点:
doc = Nokogiri.HTML(html) data_attrs = doc.xpath "//span/@*[starts-with(name(), 'data-')]"
这将获得以’data-‘开头的span
元素的所有属性。 (您可能希望分两步完成此操作,首先获取您感兴趣的所有元素,然后依次从每个元素中提取数据属性。
继续这个例子(使用你问题中的span
):
hash = data_attrs.each_with_object({}) do |n, hsh| hsh[n.name] = n.value end puts hash
生产:
{"data-age"=>"50", "data-location"=>"London"}
Node#css文档提到了一种附加自定义伪指标选择器的方法。 对于选择属性以“data-”开头的节点,这可能如下所示:
Nokogiri(html).css('span:regex_attrs("^data-.*")', Class.new { def regex_attrs node_set, regex node_set.find_all { |node| node.attributes.keys.any? {|k| k =~ /#{regex}/ } } end }.new)
尝试循环遍历element.attributes
同时忽略任何不以data-
开头的attribue。