解析文本以在Ruby 1.9.x中查找html標籤

Question

我希望能夠匹配兩個標籤之間的文本，從開始標籤開始到結束標籤結束。

說我有一個名爲「文本」變量文本塊：

some text some text some text some text some text 
<some_tag> 
    some text some text some text some text some text 
</some_tag> 
some text some text some text some text some text 

我想，直到它找到一個開始標記，在這種情況下，「some_tag」解析內容「文本」無爲，一旦它找到一個開始標籤，我希望它能夠捕捉所有內容，直到標籤關閉。

我一直在玩弄塊和正則表達式大約一個小時，似乎無法找出解決這個問題的好方法。

我會感謝任何和所有的指針，謝謝！

Answer 1

您應該使用HTML解析器。正則表達式和HTML往往會形成不穩定的混合，導致大劑量的瘋狂。

使用Nokogiri：

require 'nokogiri' 

html = <<EOT 
some text some text some text some text some text 
<p> 
    some text some text some text some text some text 
</p> 
some text some text some text some text some text 
EOT 

doc = Nokogiri::HTML::DocumentFragment.parse(html) 

puts doc.search('p').map { |n| n.inner_text } 

>> some text some text some text some text some text 

這是通過HTML片段搜索，尋找<p>標籤。對於每一個它發現它會提取內部文本。

我使用的是Nokogiri的CSS模式，通過使用"p"。我可以使用XPath，但CSS可以被更多人理解。