Html 使用nokogiri刮取后，字符串的正则表达式是什么

我有这个字符串，它在一个包含100个其他名称的html文档中，格式相同：

体育sed
15184745922

我想把“体育”和“15184745922”分别保存在名称栏和数字栏中

我想知道你是怎么用Ruby做的

在nokogiri，我只能通过以下方式获得李：

put page.css（“ul-li”）.text

但最后，它用一个词表达出来：“体育sed15184745922”

我原以为regex是个不错的选择，但我被它难住了。 我确实在李上把它分开了

    full_contact = page.css("ul li")[22]
    split_contact_on_li = full_contact.to_s.split(/(\W|^)li(\W|$)/).map(&:to_sym)
    puts split_contact_on_li

我明白了

<
>
体育教育sed

<
>
15184745922<
/
>

<
/
>

您不应该使用正则表达式来解析xhtml，因为正则表达式引擎可能会把事情搞砸，所以您应该使用html解析器。但是，如果要使用正则表达式，可以使用如下正则表达式：

<li>(.*?)<.*?<li>(.*?)<

比如,

#!/usr/bin/env ruby

string = "<li>Physical education sed<span class=\"meta\"><ul><li>15184745922</li></ul></span></li>"
one, two = string.match(/<li>(.*?)<.*?<li>(.*?)</i).captures

p one   #=> "Physical education sed"
p two   #=> "15184745922"

#/usr/bin/env ruby
string=“
体育教育sed
15184745922
”
一，二=string.match（/
（.*）“15184745922”

您不应该使用正则表达式来解析xhtml，因为正则表达式引擎可能会把事情搞砸，您应该使用html解析器。但是，如果您想使用正则表达式，可以使用如下正则表达式：

<li>(.*?)<.*?<li>(.*?)<

比如,

#!/usr/bin/env ruby

string = "<li>Physical education sed<span class=\"meta\"><ul><li>15184745922</li></ul></span></li>"
one, two = string.match(/<li>(.*?)<.*?<li>(.*?)</i).captures

p one   #=> "Physical education sed"
p two   #=> "15184745922"

！/usr/bin/env ruby
string=“
体育教育sed
15184745922
”
一，二=string.match（/
（.*）“15184745922”

为什么不在字符串“physical education sed15184745922”上执行正则表达式？您可以在第一个数字上进行匹配，然后返回数字和前面的文本。

为什么不在字符串“physical education sed15184745922”上执行正则表达式？您可以匹配第一个数字，并返回数字和前面的文本。

我不知道如何使用Ruby，但如果我正确理解您的问题，我将利用gsub函数（或Ruby的等效函数）。这可能不是最漂亮的方法，但由于我们只希望文本在一个变量中，数字在另一个变量中，我们可以用空值替换不需要的字符

v1 = page.css('ul li').text
v2 = gsub('\d*', '', v1)
v3 = gsub('(^\d)', '', v1)

v1获取全文值，v2将所有数字字符替换为“”，v3将所有字母字符替换为“”，这给了我们两个新变量，让我们可以随意放置

---

同样，我不知道如何使用Ruby，但在R中，我知道我可以使用您提供的xpath（“ul-li”）从页面获取所有值我不确定这是否足以回答您的问题，但希望gsub函数能让您更接近您想要的内容。

我不知道如何使用Ruby，但如果我正确理解您的问题，我会利用gsub函数这可能不是最漂亮的方法，但因为我们只需要一个变量中的文本和另一个变量中的数字，我们可以用空值替换不需要的字符

v1 = page.css('ul li').text
v2 = gsub('\d*', '', v1)
v3 = gsub('(^\d)', '', v1)

v1获取全文值，v2将所有数字字符替换为“”，v3将所有字母字符替换为“”，这给了我们两个新变量，让我们可以随意放置

---

同样，我不知道如何使用Ruby，但在R中，我知道我可以使用您提供的xpath（“ul-li”）从页面获取所有值然后在向量中循环，对每个元素执行上述步骤。我不确定这是否充分回答了您的问题，但希望gsub函数能让您更接近您想要的内容。

您需要使用HTML解析器（Nokogiri）首先，使用Nokogiri向下遍历到第一个父节点，该节点包含您需要的所有文本，然后将文本正则化以获得您需要的文本

也可以考虑使用<代码> .xPath < /C> >而不是<代码> .CSS。它提供了更多的功能来搜索和擦除你想要的东西。

page.xpath("//span[@class='meta']/parent::li").map do |i|
  i.text.scan(/^([a-z\s]+)(\d+)$/i).flatten
end

#=> [['Physical education sed', '15184745922'], ['the next string', '1234567890'], ...]

现在你有了一个二维数组，你可以迭代并保存每一对

---

这一点xpath业务：

“//span[@class='meta']/parent:：li”

正在做

.css

做不到的事情，返回包含文本和特定子节点的父节点。您需要使用HTML解析器（Nokogiri）首先，使用Nokogiri向下遍历到第一个父节点，该节点包含您需要的所有文本，然后将文本正则化以获得您需要的文本

也可以考虑使用<代码> .xPath < /C> >而不是<代码> .CSS。它提供了更多的功能来搜索和擦除你想要的东西。

page.xpath("//span[@class='meta']/parent::li").map do |i|
  i.text.scan(/^([a-z\s]+)(\d+)$/i).flatten
end

#=> [['Physical education sed', '15184745922'], ['the next string', '1234567890'], ...]

现在你有了一个二维数组，你可以迭代并保存每一对

---

这一点xpath业务：

“//span[@class='meta']/parent:：li”正在做<代码> > CSS不能做，返回有文本和父节点的父节点要删除。
谢谢你的建议，我将查看HTML解析器。@塔沙，如果你认为你的问题解决了，别忘了把它标记为解决。BTW，如果你已经找到了你自己的答案，请。发布并将您的问题标记为已解决。这将帮助社区避免发布新答案：）怎么做？有一个按钮吗？@塔沙，是的…你可以在每个答案的投票下面找到一个嘀嗒按钮。你可以检查你认为答案回答你的问题的答案。谢谢你的建议，我会看一下HTML解析器。@塔沙，如果你认为你的问题已经解决了，别忘了把它标记为解决。BTW，如果你已经找到了你的答案。请发布自己的答案，并将您的问题标记为已解决。这将帮助社区避免发布新答案：）怎么做？有按钮吗？@Tasha，是的……您可以找到一个勾号按钮