Question

我正在寻找有关如何完成的建议。我正在尝试使用xpath的解决方案：

一个html示例：

<div>
  <div>
    <div>text div (leaf)</div>
    <p>text paragraph (leaf)</p>
  </div>
</div>
<p>text paragraph 2 (leaf)</p>

代码：

doc = Nokogiri::HTML.fragment("- the html above -")
result = doc.xpath("*[not(child::*)]")


[#<Nokogiri::XML::Element:0x3febf50f9328 name="p" children=[#<Nokogiri::XML::Text:0x3febf519b718 "text paragraph 2 (leaf)">]>]

但是这个xpath只给了我最后一个“p”。我想要的就像一个扁平的行为，只返回叶子节点。

以下是stackoverflow中的一些参考答案：

How to select all leaf nodes using XPath expression?

XPath - Get node with no child of specific type

由于

Answer 1

您可以使用以下命令找到所有没有子元素的元素节点：

//*[not(*)]

示例：

require 'nokogiri'

doc = Nokogiri::HTML.parse <<-end
<div>
  <div>
    <div>text div (leaf)</div>
    <p>text paragraph (leaf)</p>
  </div>
</div>
<p>text paragraph 2 (leaf)</p>
end

puts doc.xpath('//*[not(*)]').length
#=> 3

doc.xpath('//*[not(*)]').each do |e|
    puts e.text
end
#=> "text div (leaf)"
#=> "text paragraph (leaf)"
#=> "text paragraph 2 (leaf)"

Answer 2

您的代码存在问题：

doc = Nokogiri::HTML.fragment("- the html above -")

见这里：

require 'nokogiri'

html = <<END_OF_HTML
<div>
  <div>
    <div>text div (leaf)</div>
    <p>text paragraph (leaf)</p>
  </div>
</div>
<p>text paragraph 2 (leaf)</p>
END_OF_HTML


doc = Nokogiri::HTML(html)
#doc = Nokogiri::HTML.fragment(html)
results = doc.xpath("//*[not(child::*)]")
results.each {|result| puts result}

--output:--
<div>text div (leaf)</div>
<p>text paragraph (leaf)</p>
<p>text paragraph 2 (leaf)</p>

如果我这样做：

doc = Nokogiri::HTML.fragment(html)
results = doc.xpath("//*[not(child::*)]")
results.each {|result| puts result}

我没有输出。

Answer 3

在XPath中，文本本身就是一个节点 - 所以给定你的评论你只想选择标签内容，而不是包含内容的标签 - 但是你会捕获<br/>（如果有的话）

我猜你正在寻找所有不包含其他元素的元素（标签）（这不是完全你所要求的） - 然后你' @Justin Ko的答案很好，并使用XPath表达式

//*[not(*)]

如果您确实想要查找所有叶节点，则无法使用*选择器，但需要使用node()：

//node()[not(node())]

节点可以是元素，也可以是文本节点，注释，处理指令，属性甚至XML文档（但不能在其他元素中出现）。

如果你真的只想要文本节点，那就去找@Priti提出的//text()，这确实有点选择了你所要求的节点（通过突出显示它们，而不是通过定义哪些叶节点）。

如何用Nokogiri只选择叶子节点？

3 个答案: