nokogiri 是 ruby 中基于 libxml2 的高性能 html/xml 解析库，支持 css 选择器与 xpath；用 nokogiri::html 解析容错 html，nokogiri::xml 解析严格 xml；推荐优先使用 css/at_css 提取元素，xpath 适用于复杂定位；注意编码转换以防中文乱码。
Nokogiri 是 Ruby 中最成熟、最常用的 HTML/XML 解析库，它底层基于 libxml2（和 libxslt），速度快、稳定性高，支持 CSS 选择器和 XPath，语法简洁直观。
加载 HTML 或 XML 文档
用 Nokogiri::HTML 解析 HTML（自动修复不规范标签），用 Nokogiri::XML 解析严格 XML（遇到格式错误会报错）：
doc = Nokogiri::HTML(html_string)doc = Nokogiri::HTML(File.open("page.html"))doc = Nokogiri::XML(xml_string)doc = Nokogiri::XML(File.read("data.xml"))
如果不确定输入是否严格合规，又想解析 XML 内容，可用 Nokogiri::HTML.fragment 提取片段，或加选项 strict: false 容错。
用 CSS 选择器提取元素
这是最常用的方式，写法接近前端开发习惯：
立即学习“前端免费学习笔记（深入）”；
-
doc.css("h1")→ 所有元素
-
doc.css(".title")→ class="title" 的元素 -
doc.css("div#main a[href]")→ main div 内带 href 的链接 -
doc.at_css("meta[name='description']")→ 第一个匹配元素（返回 Node，不是 NodeSet）
注意：css 返回 Nokogiri::XML::NodeSet（可遍历的集合），at_css 返回单个 Node 或 nil，适合取标题、摘要等唯一内容。
用 XPath 提取更复杂结构
XPath 更强大，适合嵌套定位、条件判断、位置索引等：
-
doc.xpath("//ul[@class='nav']/li[1]/a/text()")→ 导航栏第一个链接文字 -
doc.xpath("//*[contains(@class, 'price')]")→ class 含 price 的任意元素 -
doc.at_xpath("//img/@src")&.value→ 第一张图片的 src 属性值
XPath 表达式里属性用 @attr，文本内容用 text()，注意返回的是 NodeSet，取值需调用 .text、.[] 或 &.value 等方法。
读取属性、文本与修改内容
拿到 Node 后，常用操作包括：
-
node.text→ 去除标签的纯文本（含子节点文本） -
node.content→ 同text，但不合并空白 -
node['href']或node.attr("href")→ 读取属性 -
node.set_attribute("class", "new-class")→ 修改属性 -
node.inner_html = "<strong>new</strong>"→ 替换内部 HTML -
node.remove→ 删除该节点
批量处理时，通常配合 each 遍历 NodeSet，例如：doc.css("script").remove 可一键清除所有 script 标签。
不复杂但容易忽略：Nokogiri 默认使用 UTF-8 编码，若源文档是 GBK、Shift-JIS 等，需先转码再解析，否则中文可能乱码。可用 string.encode!("UTF-8", "GBK", invalid: :replace) 预处理。
