Regex синтаксического анализа с использованием Nokogiri

Question

Использование Nokogiri, мне нужно, чтобы разобрать блок заданного:

<div class="some_class"> 
    12 AB/4+ CD 
    <br/> 
    2,600 Dollars 
    <br/> 
</div> 

Мне нужно получить значения по ab, cd и dollars, если они существуют.

ab = p.css(".some_class").text[....some regex....] 
cd = p.css(".some_class").text[....some regex....] 
dollars = p.css(".some_class").text[....some regex....] 

Это правильно? Если да, может ли кто-нибудь помочь мне с регулярным выражением проанализировать значения ab, cd и dollars?

Answer 1

Чтобы получить лучший ответ, вам нужно будет уточнить, в каком формате берутся значения AB, CD и Dollar, но вот решение, основанное на приведенном примере. Он использует регулярное выражение группировки (), чтобы захватить информацию, которую мы заинтересованы в (см. Нижняя часть ответа для более подробной информации)

text = p.css(".some_class").text 

# one or more digits followed by a space followed by AB, capture the digits 
ab = text.match(/(\d+) AB/).captures[0] # => "12" 

# one of more non digits followed by a literal + followed by CD 
cd = text.match(/(\d+\+) CD/).captures[0] # => "4+" 

# digits or commas followed by "Dollars" 
dollars = text.match(/([\d,]+) Dollars/).captures[0] # => "2,600" 

Обратите внимание, что если нет совпадения, то String#match возвращается nil так, если значение может не существует, вам понадобится проверка, например

if match = text.match(/([\d,]+) Dollars/) 
    dollars = match.captures[0] 
end 

Дополнительное объяснение захватами

Чтобы соответствовать сумме АВ нам нужен образец /\d+ AB/, чтобы определить правильную часть текста. Тем не менее, нас действительно интересует только числовая часть, поэтому мы окружаем ее скобками, чтобы мы могли ее извлечь. например

irb(main):027:0> match = text.match(/(\d+) AB/) 
=> #<MatchData:0x2ca3440>   # the match method returns MatchData if there is a match, nil if not 
irb(main):028:0> match.to_s   # match.to_s gives us the entire text that matched the pattern 
=> "12 AB" 
irb(main):029:0> match.captures  
=> ["12"] 
# match.captures gives us an array of the parts of the pattern that were enclosed in() 
# in our example there is just 1 but there could be multiple 
irb(main):030:0> match.captures[0] 
=> "12"        # the first capture - the bit we want 

Посмотрите на документацию для MatchData, в частности, метод captures для более подробной информации.

Answer 2

Это более старая тема, но я просто наткнулся на нее. Вот как я могу найти значения и удобный способ хранения значений:

require "ap" 
require "nokogiri" 

xml = <<EOT 
<div class="some_class"> 
    12 AB/4+ CD 
    <br/> 
    2,600 Dollars 
    <br/> 
</div> 
EOT 

doc = Nokogiri::XML(xml) 

some_class = doc.at('.some_class').text 

values = some_class 
    .scan(/([\d+]+) ([a-z,]+)/i) 
    .each_with_object({}){ |(v,c), h| h[c] = v.to_i } 

values # => {"AB"=>12, "CD"=>4, "Dollars"=>600}