Quel serait le moyen le plus efficace de saisir tous les textes entre les balises html?saisissant le texte entre toutes les étiquettes dans Nokogiri?
<div>
<a> hi </a>
....
ensemble de textes entourés de balises html.
doc = Nokogiri::HTML(your_html)
doc.xpath("//text()").to_s
merci! Fonctionne bien +1 – rusllonrails
Utilisez un analyseur Sax. Beaucoup plus rapide que l'option XPath.
require "nokogiri"
some_html = <<-HTML
<html>
<head>
<title>Title!</title>
</head>
<body>
This is the body!
</body>
</html>
HTML
class TextHandler < Nokogiri::XML::SAX::Document
def initialize
@chunks = []
end
attr_reader :chunks
def cdata_block(string)
characters(string)
end
def characters(string)
@chunks << string.strip if string.strip != ""
end
end
th = TextHandler.new
parser = Nokogiri::HTML::SAX::Parser.new(th)
parser.parse(some_html)
puts th.chunks.inspect
Comment cela pourrait-il être changé pour obtenir uniquement du texte entre les balises body? – Omnipresent
Définissez un indicateur et ne commencez à capturer des caractères qu'après avoir vu le tag de corps commencer et arrêter la capture après la fermeture du tag de corps. –
Voici comment obtenir tout le texte dans la div question de cette page:
require 'rubygems'
require 'nokogiri'
require 'open-uri'
doc = Nokogiri::HTML(open("http://stackoverflow.com/questions/1512850/grabbing-text-between-all-tags-in-nokogiri"))
puts doc.css("#question").to_s
Il suffit de faire:
doc = Nokogiri::HTML(your_html)
doc.xpath("//text()").text
Check out https://github.com/rgrove/ assainir aussi – Abram