Ruby Nokogiri解析HTML表
问题描述:
我正在使用mechanize/nokogiri,需要解析出以下HTML字符串。 任何人都可以帮助我用xpath语法来做到这一点或任何其他方法,将工作?Ruby Nokogiri解析HTML表
<table>
<tr class="darkRow">
<td>
<span>
<a href="?x=mSOWNEBYee31H0eV-V6JA0ZejXANJXLsttVxillWOFoykMg5U65P4x7FtTbsosKRbbBPuYvV8nPhET7b5sFeON4aWpbD10Dq">
<span>4242YP</span>
</a>
</span>
</td>
<td>
<span>Subject of Meeting</span>
</td>
<td>
<span>
<span>01:00 PM</span>
<span>Nov 11 2009</span>
<span>America/New_York</span>
</span>
</td>
<td>
<span>30</span>
</td>
<td>
<span>
<span>[email protected]</span>
</span>
</td>
<td>
<span>39243368</span>
</td>
</tr>
.
.
.
<more table rows with the same format>
</table>
我想这个作为输出
"4242YP","Subject of Meeting","01:00 PM Nov 11 2009 America/New_York","30","[email protected]", "39243368"
.
.
.
<however many rows exist in the html table>
答
这样的事情?
items=doc.xpath('//tr').map {|row| row.xpath('.//span/text()').select{|item| item.text.match(/\w+/)}.map {|item| item.text} }
回报: => [[ “4242YP”, “会议的主题”, “下午1点00”, “2009年11月11日”, “美国/纽约”, “30”,“示例@ email.com“,”39243368“],[”abcdefg“]]
选择仅包含以单词字符开头的跨度(例如,不包括跨度有一部分的空白)。您可能需要根据您的具体情况改进“选择”过滤器。
我添加了一个极简主义行,其中包含一个包含abcdefg的span,以便您可以看到嵌套数组。
答
这里的XSL的一部分,改变你的输入,如果你有一个XSL转换:
<?xml version="1.0"?>
<xsl:stylesheet version="1.0"
xmlns:xsl="http://www.w3.org/1999/XSL/Transform">
<xsl:output method="text"/>
<xsl:template match="/">
<xsl:apply-templates select="//tr"/>
</xsl:template>
<xsl:template match="tr">
"<xsl:value-of select="td/span/a/span"/>","<xsl:value-of select="td[position()=2]/span"/>","<xsl:value-of select="td[position()=3]/span/span[position()=1]"/>"
</xsl:template>
</xsl:stylesheet>
输出产生这个样子的:
"4242YP","Subject of Meeting","01:00 PM"
"4242YP","Subject of Meeting","01:00 PM"
(我复制你的第一个表行)。
XSL选择位为您提供了一个XPATH输入的好主意,您需要休息一下。
没有完全使用你的例子,但它让我想到了不同的方法。谢谢您的帮助! – thomas 2009-11-18 19:21:11
是的,我只能冒险猜测你的HTML格式是如何可预测的,以及嵌套跨度的加入有多重要,所以你可以从极简主义中工作。 – JasonTrue 2009-11-18 19:35:18