使用Nokogiri提取所有表格行中的前2個表格單元格

我有一個表格並希望使用Nokogiri來提取每個表格行中前兩個單元格的內容。目前我面臨一些困難，希望得到你的幫助。這是我現在得到的。任何人都可以幫助我？謝謝。使用Nokogiri提取所有表格行中的前2個表格單元格

irb(main):001:0> require 'nokogiri' 
=> true 
irb(main):002:0> 
irb(main):003:0* @doc = Nokogiri::HTML::DocumentFragment.parse <<-EOHTML 
irb(main):004:0" <body> 
irb(main):005:0" <div class="c"> 
irb(main):006:0" <table> 
irb(main):007:0"  <tr> 
irb(main):008:0"   <td>test</td><td>test</td><td>test</td><td>test</td> 
irb(main):009:0"  </tr> 
irb(main):010:0"  <tr class="even"> 
irb(main):011:0"   <td>test</td><td>test</td><td>test</td><td>test</td> 
irb(main):012:0"  </tr> 
irb(main):013:0"  <tr> 
irb(main):014:0"   <td>test</td><td>test</td><td>test</td><td>test</td> 
irb(main):015:0"  </tr> 
irb(main):016:0"  <tr class="even"> 
irb(main):017:0"   <td>test</td><td>test</td><td>test</td><td>test</td> 
irb(main):018:0"  </tr> 
irb(main):019:0" </table> 
irb(main):020:0" </div> 
irb(main):021:0" </body> 
irb(main):022:0" EOHTML 
irb(main):026:0> @doc.css("div.c > table").search("table/tr/td") 
=> ... 
irb(main):026:0> @doc.css("div.c > table").search("table/tr/td[position()>2]") 
Nokogiri::CSS::SyntaxError: unexpected '>' after '#<Nokogiri::CSS::Node:0x2b7bc20>' 
     from C:/RailsInstaller/Ruby1.9.2/lib/ruby/gems/1.9.1/gems/nokogiri-1.5.0-x86-mingw32/lib/nokogiri/css/parser_extras.rb:87:in `on_error' 
     from C:/RailsInstaller/Ruby1.9.2/lib/ruby/1.9.1/racc/parser.rb:99:in `_racc_do_parse_c' 
     from C:/RailsInstaller/Ruby1.9.2/lib/ruby/1.9.1/racc/parser.rb:99:in `do_parse' 
     from C:/RailsInstaller/Ruby1.9.2/lib/ruby/gems/1.9.1/gems/nokogiri-1.5.0-x86-mingw32/lib/nokogiri/css/parser_extras.rb:62:in `parse' 
     from C:/RailsInstaller/Ruby1.9.2/lib/ruby/gems/1.9.1/gems/nokogiri-1.5.0-x86-mingw32/lib/nokogiri/css/parser_extras.rb:79:in `xpath_for' 
     from C:/RailsInstaller/Ruby1.9.2/lib/ruby/gems/1.9.1/gems/nokogiri-1.5.0-x86-mingw32/lib/nokogiri/css.rb:23:in `xpath_for' 
     from C:/RailsInstaller/Ruby1.9.2/lib/ruby/gems/1.9.1/gems/nokogiri-1.5.0-x86-mingw32/lib/nokogiri/xml/node_set.rb:111:in `block (2 levels) in 
css' 
     from C:/RailsInstaller/Ruby1.9.2/lib/ruby/gems/1.9.1/gems/nokogiri-1.5.0-x86-mingw32/lib/nokogiri/xml/node_set.rb:109:in `map' 
     from C:/RailsInstaller/Ruby1.9.2/lib/ruby/gems/1.9.1/gems/nokogiri-1.5.0-x86-mingw32/lib/nokogiri/xml/node_set.rb:109:in `block in css' 
     from C:/RailsInstaller/Ruby1.9.2/lib/ruby/gems/1.9.1/gems/nokogiri-1.5.0-x86-mingw32/lib/nokogiri/xml/node_set.rb:239:in `block in each' 
     from C:/RailsInstaller/Ruby1.9.2/lib/ruby/gems/1.9.1/gems/nokogiri-1.5.0-x86-mingw32/lib/nokogiri/xml/node_set.rb:238:in `upto' 
     from C:/RailsInstaller/Ruby1.9.2/lib/ruby/gems/1.9.1/gems/nokogiri-1.5.0-x86-mingw32/lib/nokogiri/xml/node_set.rb:238:in `each' 
     from C:/RailsInstaller/Ruby1.9.2/lib/ruby/gems/1.9.1/gems/nokogiri-1.5.0-x86-mingw32/lib/nokogiri/xml/node_set.rb:105:in `css' 
     from C:/RailsInstaller/Ruby1.9.2/lib/ruby/gems/1.9.1/gems/nokogiri-1.5.0-x86-mingw32/lib/nokogiri/xml/node_set.rb:83:in `block in search' 
     from C:/RailsInstaller/Ruby1.9.2/lib/ruby/gems/1.9.1/gems/nokogiri-1.5.0-x86-mingw32/lib/nokogiri/xml/node_set.rb:80:in `each' 
     from C:/RailsInstaller/Ruby1.9.2/lib/ruby/gems/1.9.1/gems/nokogiri-1.5.0-x86-mingw32/lib/nokogiri/xml/node_set.rb:80:in `search' 
     from (irb):27 
     from C:/RailsInstaller/Ruby1.9.2/bin/irb:12:in `<main>'irb(main):028:0>

來源

2012-02-13 Ogrish Man

既然你在一個評論說，你想保持細胞的同一行中的邏輯關係：如果你想有效地提取所有文本一次

@doc.css('div.c > table > tr').each do |tr| 
    td1, td2 = tr.xpath('./td') # Find only direct child items 
    # td1 is the first <td>, td2 the second 
end

：

data = @doc.css('tr').map do |row| 
    # Find the text for all td, get the first two, then join with ' - ' 
    row.xpath('./td').map(&:text)[0,2].join(' - ') 
end 

puts data 
#=> a1 - b1 
#=> a2 - b2 
#=> a3 - b3 
#=> a4 - b4

上述輸出來自比所有「測試」更有趣的測試數據。

來源

2012-02-13 23:27:30 Phrogz

使用XPath查詢：

@doc.xpath('//table/tr/td[1] | //table/tr/td[2]')

這將具有table節點作爲父節點tr內返回所述第一和第二td節點。

來源

2012-02-13 14:56:47

嗨Vivien，你的方法將以相同的方式處理所有匹配的表格單元格。實際上，我例子中每行的兩個單元格都有一些關係，我需要它們的值。有什麼方法可以提取它們並保留它們的關係？例如，如何獲得每行中的前2個單元並將它們連接起來？謝謝。 – 2012-02-13 15:00:52

@Yousui獲取第一個'td'，並在迭代它們時使用['td.next_element']（http://nokogiri.org/Nokogiri/XML/Node.html#method-i-next_element）來查找第二個'td'在那一行。 – Phrogz 2012-02-13 23:23:18

我建議使用SAX解析器

class ShowtimeDaily < Nokogiri::XML::SAX::Document 
    attr_reader :td_count 
    def start_element name, attrs =[] 
    case name 
    when 'tr' 
    @td_count = 0 
    when 'td' 
    @td_count +=1 
    end 

def characters string 
    # string containts the content you'd be requiring 
    puts "content of row number #{@td_count}: #{string}" if @td_count < 3 
end

，我已經寫了最有可能是具有在它的錯誤，因爲我沒有驗證它的代碼。我希望它能很好地解決你的問題。

來源

2012-02-13 18:24:51 sohaibbbhatti

我不會*建議使用SAX解析器，除非絕對必要（達到內存限制，並且拉解析不是一個選項）。該API是可怕的。 – 2012-02-14 00:11:22

使用Nokogiri提取所有表格行中的前2個表格單元格

回答

相關問題