Ruby Nokogiri库怎么用XPath搜索文档

星降 2025-12-14 00:00:00 次阅读

Nokogiri 是 Ruby 中最常用的 HTML/XML 解析库，用 XPath 搜索高效直接；加载文档后调用 search 返回 NodeSet，at 返回单个 Element，支持丰富 XPath 语法及命名空间处理。

Nokogiri 是 Ruby 中最常用的 HTML/XML 解析库，用 XPath 搜索非常直接高效。核心就是调用 search 或 at 方法，传入合法的 XPath 表达式。

基础用法：加载文档后直接 search

先解析 HTML 或 XML 字符串（或文件），再用 search 返回所有匹配节点（NodeSet），用 at 返回第一个匹配节点（Element）：

require 'nokogiri'
html = '
Hello
World'
doc = Nokogiri::HTML(html)
查找所有 p 标签
ps = doc.search('//p')          # → NodeSet 包含两个 
查找带 class="intro" 的 p 标签
intro_p = doc.at('//p[@class="intro"]')  # → Element 对象
获取文本内容
intro_p.text  # → "Hello"

常用 XPath 写法示例

XPath 支持丰富语法，以下是最常遇到的几种场景：

//div[@id='main'] —— 查找任意层级下 id 为 main 的 div
//a[contains(@href, 'github')] —— href 属性包含 "github" 的链接
//ul/li[1] —— 第一个 li 子元素（注意：XPath 索引从 1 开始）
//input[@type='text' and @name] —— type=text 且有 name 属性的 input
//div//span —— div 内任意深度的 span（后代，非直系子元素）
//div/child::span —— div 的直接子 span（等价于 //div/span）

处理结果：NodeSet 和 Element

search 返回的是 Nokogiri::XML::NodeSet，可像数组一样遍历或索引；at 返回单个 Nokogiri::XML::Element，更轻量：

遍历结果：doc.search('//a').each { |a| puts a['href'] }
取第一个：doc.search('//img').first['src'] 或 doc.at('//img')['src']
检查是否存在：doc.at('//button[@disabled]') ? '禁用中' : '可用'
提取多个属性：doc.search('//meta').map { |m| [m['name'], m['content']] }

注意命名空间和 HTML 特殊性

如果是 XML 且含命名空间（如 SVG、Atom），需先声明前缀：

xml = '...'
doc = Nokogiri::XML(xml)
doc.search('//dc:creator', 'dc' => 'http://purl.org/dc/elements/1.1/')

而对 HTML 文档，Nokogiri 默认使用宽松解析，XPath 大多能直接用。但注意：
– HTML 标签名不区分大小写，但 XPath 表达式里建议用小写（//div 而非 //DIV）；
– 某些属性名在 HTML 中是布尔型（如 checked），XPath 中仍用 [@checked] 判断是否存在即可。

基本上就这些。XPath 写熟了，配合 Nokogiri 的 search/at，抓取和校验结构化内容非常顺手。