如何使用Nokogiri解析XML文件提取特定路径的URL值？

你当前代码直接输出<loc>节点对象时，Nokogiri会打印节点对应的XML片段，而非节点内的文本内容。要提取目标URL并筛选符合/a/b子目录的内容，可以通过以下两种方式实现：

方法一：使用XPath内置函数筛选 #

利用XPath的contains()函数直接在查询时过滤节点，效率更高：

require 'nokogiri'

doc = File.open('./sitemap-en.xml') { |f| Nokogiri::XML(f) }
# 筛选包含指定路径的<loc>节点，并输出其文本内容
doc.xpath('//loc[contains(text(), "https://www.example.com/a/b")]').each do |loc_node|
  puts loc_node.text
end

方法二：Ruby字符串匹配筛选 #

先获取所有<loc>节点，再用Ruby的字符串方法判断是否符合条件，灵活性更强：

require 'nokogiri'

doc = File.open('./sitemap-en.xml') { |f| Nokogiri::XML(f) }
# 遍历所有<loc>节点，提取文本后筛选
doc.xpath('//loc').each do |loc_node|
  url = loc_node.text
  puts url if url.include?('https://www.example.com/a/b')
end

两种方法都会输出你需要的两个结果：

https://www.example.com/a/b
https://www.example.com/a/b/c

内容的提问来源于stack exchange，提问作者calyxofheld