这是最初针对Getting attribute's value in Nokogiri to extract link URLs编写的一个微型示例，此处以Community Wiki样式提取，以方便参考。
（更新：这个答案是从Nokogiri的角度写的，但是如果您要为特定查询寻找XPATH或CSS语法，它也很有用。）]] >> 我爱Nokogiri，这是从XML和HTML文档中提取元素的绝佳工具。尽管在线示例很好，但它们大多显示了如何处理XML文档。
如何使用Nokogiri从HTML提取提取链接和链接文本？
（（更新：此答案是从Nokogiri的角度编写的，但是如果您要为特定查询寻找XPATH或CSS语法，它也很有用。）我喜欢Nokogiri －这是一个很棒的工具...] >
这是最初针对Getting attribute's value in Nokogiri to extract link URLs编写的一个微型示例，此处以Community Wiki样式提取，以方便参考。
这里是解析HTTP中的链接时可能会执行的一些常见操作，以css和xpath语法显示。
从此片段开始：
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查找所有
<a>元素，然后仅保留具有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"][在以上情况下，
.compact是必需的，因为对<a>元素的搜索除其他元素外还返回“只是书签”元素。但是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"如果知道只搜索一个链接，则可以改用
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"从关联文本中找到链接
如果您知道与链接关联的文本并想找到其URL，该怎么办？一个小小的xpath-fu（或css-fu）派上用场：
element = doc.at_xpath('//a[text()="link2"]') element["href"] # => "http://stackoverflow.com" element = doc.at_css('a:contains("link2")') element["href"] # => "http://stackoverflow.com"从链接中查找文字
为了完整性，这是您获取与特定链接关联的文本的方式：
element = doc.at_xpath('//a[@href="http://stackoverflow.com"]') element.text # => "link2" element = doc.at_css('a[href="http://stackoverflow.com"]') element.text # => "link2"有用的参考文献
除了广泛的Nokorigi documentation，在撰写本文时，我还遇到了一些有用的链接：
这是最初针对Getting attribute's value in Nokogiri to extract link URLs编写的一个微型示例，此处以Community Wiki样式提取，以方便参考。