¿Cuál sería la forma más eficiente de capturar todos los textos entre las etiquetas html?agarrando el texto entre todas las etiquetas en Nokogiri?
<div>
<a> hi </a>
....
montón de textos rodeados de etiquetas html.
doc = Nokogiri::HTML(your_html)
doc.xpath("//text()").to_s
gracias! Funciona bien +1 – rusllonrails
Utilice un analizador de Sax. Mucho más rápido que la opción 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
¿cómo se puede cambiar esto para obtener solo texto entre la etiqueta del cuerpo solo? – Omnipresent
Establezca un indicador y solo comience a capturar los caracteres después de ver la etiqueta corporal comenzar y detener la captura después de que se cierre la etiqueta corporal. –
Aquí es cómo conseguir todo el texto de la pregunta div de esta página:
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
Just Do:
doc = Nokogiri::HTML(your_html)
doc.xpath("//text()").text
Salida https://github.com/rgrove/ higienizar también – Abram