Nokogiri y Xpath: encuentra todo el texto entre dos etiquetas
No estoy seguro si es una cuestión de sintaxis o diferencias en las versiones, pero parece que no puedo entender esto. Quiero tomar datos que están dentro de un (sin cierre)td
desde elh2
etiqueta a lah3
etiqueta. Así es como se vería el HTML.
<td valign="top" width="350">
<br><h2>NameIWant</h2><br>
<br>Town<br>
PhoneNumber<br>
<a href="mailto:[email protected]" class="links">[email protected]</a>
<br>
<a href="http://websiteIwant.com" class="links">websiteIwant.com</a>
<br><br>
<br><img src="images/spacer.gif"/><br>
<h3><b>I want to stop before this!</b></h3>
Lorem Ipsum Yadda Yadda<br>
<img src="images/spacer.gif" border="0" width="20" height="11" alt=""/><br>
<td width="25">
<img src="images/spacer.gif" border="0" width="20" height="8" alt=""/>
<td valign="top" width="200"><img src="images/spacer.gif"/>
<br>
<br>
<table cellspacing="0" cellpadding="0" border="0"/>205"><tr><td>
<a href="http://dontneedthis.com">
</a></td></tr><br>
<table border="0" cellpadding="3" cellspacing="0" width="200">
...
los<td valign>
no cierra hasta el final de la página, lo que creo que podría ser la razón por la que tengo problemas.
Mi código Ruby se ve así:
require 'open-uri'
require 'nokogiri'
@doc = Nokogiri::XML(open("http://www.url.com"))
content = @doc.css('//td[valign="top"] [width="350"]')
name = content.xpath('//h2').text
puts name // Returns NameIwant
townNumberLinks = content.search('//following::h2')
puts content // Returns <h2> NameIWant </h2>
Según tengo entendido, la siguiente sintaxis debería "Selecciona todo en el documento después de la etiqueta de cierre del nodo actual". Si trato de usarpreceding
me gusta:
townNumberLinks = content.search('//preceding::h3')
// I get: <h3><b>I want to stop before this!</b></h3>
Espero haber dejado claro lo que estoy tratando de hacer. ¡Gracias!