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)
