如何使用Nokogiri按原文档顺序获取p与h2元素的文本？

我正在尝试用Nokogiri解析HTML文件，当前执行代码如下：

html_file = URI.open(url).read
html_doc = Nokogiri::HTML(html_file)
puts html_doc.search("p", "h2").map(&:text)

执行后会先返回所有p标签的文本，再返回所有h2标签的文本，无法保持它们在原HTML文档中的出现顺序。我尝试了下面的代码，但没有效果：

puts html_doc.search("p" || "h2").map(&:text)

你需要用CSS选择器的逗号语法来同时匹配p和h2标签，这样Nokogiri会按照元素在文档中的原始顺序返回结果。

原因在于：

• search("p", "h2")会先查询所有p标签，再查询所有h2标签，最后合并两个结果集，所以顺序是先全p后全h2
• "p" || "h2"是Ruby的逻辑或运算，结果只会是"p"，相当于只查询p标签，自然达不到预期

正确代码如下：

html_file = URI.open(url).read
html_doc = Nokogiri::HTML(html_file)
puts html_doc.search("p, h2").map(&:text)

这样就能按元素在原HTML文档中的出现顺序，依次输出p和h2标签的文本内容。

内容的提问来源于stack exchange，提问作者Shawn