通過機械化獲得所有標籤追蹤信息？ （紅寶石）

Question

如何，我可以得到以下，一旦所有元素，如：

<div id="exemple"> 
    <h2 class="target">foo</h2> 
    <p>bla bla</p> 
    <ul> 
    <li>bar1</li> 
    <li>bar2</li> 
    <li>bar3</li> 
    </ul> 
    <h4>baz</h4> 
    <ul> 
    <li>lot</li> 
    </ul> 
    <div>of</div> 
    <p>possible</p> 
    <p>tags</p> 
    <a href="#">after</a> 
</div> 

我需要檢測<h2 class="target">，並得到所有標籤到下一個<h4>而忽略<h4>和所有如下標籤（如果<h4>不存在，我必須讓所有標籤的父結束[此處的<div>結束]）

的內容是動態的和不可預知的唯一的規則就是：我們知道有一個目標，有一個（或結束的元素） 。我需要獲得所有標籤，並排除所有其他標籤。

有了這個爲例，我需要得到HTML如下：

<h2 class="target">foo</h2> 
<p>bla bla</p> 
<ul> 
    <li>bar1</li> 
    <li>bar2</li> 
    <li>bar3</li> 
</ul> 

這樣我就可以得到：target = page.at('#exemple .target') 我知道next_sibling方法，但我怎麼可以測試當前節點的標籤的類型？

我想類似的東西當然節點樹：

html = '' 
while not target.is_a? 'h4' 
    html << target.inner_html 
    target = target.next_sibling 

我怎樣才能做到這一點？

Answer 1

你可以從你的節點集中減去你不想要的值：

h2 = page.at('h2') 
(h2.search('~ *') - h2.search('~ h4','~ h4 ~ *')).each do |el| 
    # el is not a h4 and does not follow a h4 
end 

也許它使用xpath更有意義，但我可以做到這一點沒有谷歌搜索。

你遍歷一個同級可以工作過的想法：

el = page.at('h2 ~ *') 
while el && el.name != 'h4' 
    # do something with el 
    el = el.at('+ *') 
end 

Answer 2

看起來你想要返回h2元素及其後續的兄弟姐妹。我不清楚您是要保留還是丟棄h4;如果你想保持它的XPath是：

//h2[@class="target"] | //h2[@class="target"]/following-sibling::* 

如果需要排除h4：

//h2[@class="target"] | //h2[@class="target"]/following-sibling::*[not(self::h4)] 

編輯：如果您需要排除h4和任何超越：

//h2[@class="target"] | //h2[@class="target"]/following-sibling::*[not(self::h4) | not(preceding-sibling::h4)]