Ruby on Rails爬虫项目：用Nokogiri按样式移除指定HTML节点

在Ruby on Rails爬虫项目中，使用Nokogiri处理HTML是最可靠的方式，以下是针对你的需求的可行代码方案：

核心实现代码 #

require 'nokogiri'
require 'faraday'

# 获取目标页面HTML内容
url = "https://www.livelaw.in/top-stories/supreme-court-civil-suit-maintainable-jurisdiction-scope-sau-rajani-vs-sau-smita-2022-livelaw-sc-702-207475?infinitescroll=1"
response = Faraday.get(url)
doc = Nokogiri::HTML(response.body)

# 定位.story容器下的所有p标签
story_paragraphs = doc.css('.story p')

# 筛选出带有黄色背景（rgb(255,255,0)）的p标签
yellow_bg_paragraphs = story_paragraphs.select do |p|
  # 先判断style属性存在，避免nil调用include?报错
  p['style']&.include?('background-color:rgb(255,255,0)')
end

# 移除最后一个符合条件的p标签（如果存在）
yellow_bg_paragraphs.last.remove unless yellow_bg_paragraphs.empty?

# 可选：输出处理后的.story下所有p标签文本，验证结果
puts doc.css('.story p').map(&:text)

关键说明 #

• 筛选逻辑：通过select遍历所有p标签，检查style属性中是否包含目标背景色字符串，&.操作符确保当p标签没有style属性时不会抛出异常
• 移除操作：调用Nokogiri节点的remove方法直接从DOM中删除目标节点，unless yellow_bg_paragraphs.empty?避免在无符合条件标签时报错
• 兼容扩展：如果页面中存在简写样式（如background-color: yellow或background: rgb(255,255,0)），可扩展筛选条件：

  p['style']&.match?(/background(-color)?:\s*(rgb\(255,255,0\)|yellow)/i)
  

内容的提问来源于stack exchange，提问作者Labani Das