Próbuję użyć klejnotu nokogiri, aby wyodrębnić wszystkie adresy URL na stronie, a także ich tekst linku i zapisać tekst linku i URL w haszyszu.Uzyskaj link i tekst z html doc z Nokogiri i Ruby?
<html>
<body>
<a href=#foo>Foo</a>
<a href=#bar>Bar </a>
</body>
</html>
Chciałbym wrócić
{"Foo" => "#foo", "Bar" => "#bar"}
Oto jeden-liner:
Hash[doc.xpath('//a[@href]').map {|link| [link.text.strip, link["href"]]}]
#=> {"Foo"=>"#foo", "Bar"=>"#bar"}
Dzielenie się trochę się zapewne bardziej czytelny:
h = {}
doc.xpath('//a[@href]').each do |link|
h[link.text.strip] = link['href']
end
puts h
#=> {"Foo"=>"#foo", "Bar"=>"#bar"}
Innym sposób:
h = doc.css('a[href]').each_with_object({}) { |n, h| h[n.text.strip] = n['href'] }
# yields {"Foo"=>"#foo", "Bar"=>"#bar"}
A jeśli martwisz się, że może mieć taki sam łączenie tekstu do różnych rzeczy, potem zbierać href sw tablic:
h = doc.css('a[href]').each_with_object(Hash.new { |h,k| h[k] = [ ]}) { |n, h| h[n.text.strip] << n['href'] }
# yields {"Foo"=>["#foo"], "Bar"=>["#bar"]}
Problem z tagiem 'a' polega na tym, że może on być użyty dla linków i nie-linków, takich jak nazwane kotwice. Musisz sprawdzić obecność atrybutu 'href'. –
@ Mark: Myślę, że zmieniłem na 'a [href]' podczas komentowania właśnie z tego powodu. –
Dzięki, działało idealnie. – sunnyrjuneja
Dzięki, pracował idealnie. – sunnyrjuneja
Możesz zastąpić 'link.attributes ['href']. Value' za pomocą [' link ['href'] '] (http://nokogiri.org/Nokogiri/XML/Node.html#method-i-5B -5D). – Phrogz
@Phrogz Dzięki! Zaktualizowano. –