Nokogiri 是 Ruby 中高效解析 HTML/XML 的库，支持 XPath 和 CSS 选择器；需安装 gem 并引入，可读取文件或字符串，用 css/xpath 提取元素，处理命名空间，修改节点并序列化输出。
如果您需要在 Ruby 中解析 HTML 或 XML 文档，Nokogiri 是一个高效且功能丰富的库。它支持 XPath 和 CSS 选择器语法，可快速提取、修改和构建文档结构。以下是使用 Nokogiri 解析 HTML 和 XML 的具体操作步骤：
一、安装与基础初始化
Nokogiri 需先通过 gem 安装，并在代码中引入，才能创建解析器实例并加载目标文档。确保系统已安装 libxml2 和 libxslt 开发依赖，否则可能编译失败。
1、在终端执行命令安装：gem install nokogiri
2、在 Ruby 脚本顶部添加：require ‘nokogiri’
立即学习 “ 前端免费学习笔记（深入）”；
3、读取本地 HTML 文件并解析：doc = Nokogiri::HTML(File.open(‘page.html‘))
4、解析 XML 字符串：xml_doc = Nokogiri::XML(‘
二、使用 CSS 选择器提取元素
CSS 选择器语法简洁直观，适合快速定位具有类名、ID 或标签名的节点，是日常解析中最常用的方式。
1、获取所有段落标签：doc.css(‘p’)
2、获取 class 为 ”content” 的 div：doc.css(‘div.content’)
3、获取 id 为 ”header” 的元素：doc.css(‘#header’)
4、遍历结果并提取文本：doc.css(‘li’).map {|li| li.text.strip}
三、使用 XPath 表达式精确定位
XPath 提供更强大的路径匹配能力，尤其适用于嵌套深层、属性条件复杂或需基于位置筛选的场景。
1、选取所有 href 属性非空的 a 标签：doc.xpath(‘//a[@href]’)
2、选取第二个 table 中的所有 td：doc.xpath(‘(//table)[2]//td’)
3、选取包含“价格”文本的 span 父级 div：doc.xpath(‘//span[contains(text(), “ 价格 ”)]/parent::div’)
4、提取属性值：node[‘href’] 或 node.attributes[‘href’].value
四、处理命名空间的 XML 文档
当 XML 含有命名空间（如 SOAP、Atom 或自定义前缀）时，必须显式声明并使用前缀，否则 XPath 或 CSS 将无法匹配节点。
1、定义命名空间哈希：ns = {‘atom’ => ‘http://www.w3.org/2005/Atom’}
2、用命名空间前缀查询：xml_doc.xpath(‘//atom:entry’, ns)
3、CSS 选择器不支持命名空间，此时必须改用 XPath：xml_doc.at_xpath(‘//atom:title’, ns)&.text
4、若 XML 声明了默认命名空间（xmlns=”…”），需将其映射到任意前缀（如 ’d’）再使用：xml_doc.xpath(‘//d:product’, {‘d’ => ‘http://example.com/ns’})
五、修改与序列化文档
Nokogiri 允许动态添加、删除、替换节点，并将变更后的文档重新输出为字符串，适用于清洗、重构或生成新内容。
1、向 body 末尾追加新 div：doc.css(‘body’).first.add_child(‘
‘)
2、移除所有 script 标签：doc.css(‘script’).remove
3、修改某元素文本内容：doc.at_css(‘h1’).content = ‘New Title’
4、输出为格式化 HTML：puts doc.to_html(indent: 2)
