Я использую Nokogiri для разбора html-страницы с тем же контентом:
<p class="parent">
Useful text
<br>
<span class="child">Useless text</span>
</p>
Когда я вызываю метод page.css('p.parent').text Nokogiri возвращает "Полезный текст" Бесполезный текст ". Но мне нужен только "Полезный текст".
Как получить текст node без детей?
XPath включает в себя тест text() node для выбора текстовых узлов, поэтому вы можете сделать:
page.xpath('//p[@class="parent"]/text()')
Использование XPath для выбора классов HTML может стать довольно сложным, если рассматриваемый элемент может принадлежать более чем одному классу, поэтому это может быть не идеальным.
К счастью, Nokogiri добавляет селектор text() в CSS, поэтому вы можете использовать:
page.css('p.parent > text()')
чтобы получить текстовые узлы, являющиеся прямыми дочерними элементами p.parent. Это также вернет некоторые узлы, которые являются только whtespace, поэтому вам может потребоваться отфильтровать их.
Вы можете использовать page.css('p.parent').children.remove.
Затем ваш page.css('p.parent').text вернет текст без дочерних узлов.
Примечание: page будет изменен с помощью remove