使用Ruby中的Nokogiri刮取特定标题

Question

我目前正在使用NYT Best Sellers网站练习网页抓取。我想在列表中获得＃1书的标题并找到HTML元素：

<div class="book-body">
  <p class="freshness">12 weeks on the list</p>
  <h3 class="title" itemprop="name">CRAZY RICH ASIANS</h3>
  <p class="author" itemprop="author">by Kevin Kwan</p>
  <p itemprop="description" class="description">A New Yorker gets a surprise when she spends the summer with her boyfriend in Singapore.</p>
</div>

我正在使用以下代码来获取特定文本：

doc.css(".title").text

但是，它会返回列表中每本书的标题。我将如何获得具体的书名“疯狂的亚洲人”？

Answer 1

如果你看一下doc.css(".title")的回归，你会发现它是所有游戏的集合。作为Nokogiri::XML::Element对象

据我所知，CSS没有用于定位给定类的第一个元素的选择器。 （如果我错了，有人可能会纠正我）但是从Nokogiri::XML::NodeSet得到的第一个元素仍然非常简单，因为它在很多情况下就像Array。例如：

doc.css(".title")[0].text

你也可以使用xpath来选择第一个（因为XPath确实支持基于索引的选择），如下所示：

doc.xpath(doc.xpath("(//h3[@class='title'])[1]").text

请注意：

• Ruby索引从第一个例子开始为0;
• XPath索引从第二个示例开始，为1。