ruby - 在 Ruby 中解析表的最佳方法

Question

我想将一个简单的表解析为 Ruby 数据结构。该表如下所示:

alt text http://img232.imageshack.us/img232/446/picture5cls.png http://img232.imageshack.us/img232/446/picture5cls.png

编辑: Here is the HTML

我想将它解析成一个哈希数组。例如:

schedule[0]['NEW HAVEN'] == '4:12AM'
schedule[0]['Travel Time In Minutes'] == '95'

关于如何做到这一点有什么想法吗？ Perl 有 HTML::TableExtract ，我认为它可以完成这项工作，但我找不到任何类似的 Ruby 库。

Answer 1

您可能想试试 Hpricot ( gem install hpricot ，为 *nix 系统添加通常的 sudo)

我将您的 HTML 放入了 input.html ，然后运行这个:

require 'hpricot'

doc = Hpricot.XML(open('input.html'))

table = doc/:table

(table/:tr).each do |row|
  (row/:td).each do |cell|
    puts cell.inner_html
  end
end

对于第一行，它给了我

<span class="black">12:17AM </span>
<span class="black">
    <a href="http://www.mta.info/mnr/html/planning/schedules/ref.htm"></a></span>
<span class="black">1:22AM  </span>
<span class="black">
    <a href="http://www.mta.info/mnr/html/planning/schedules/ref.htm"></a></span>
<span class="black">65</span>
<span class="black">TRANSFER AT STAMFORD (AR 1:01AM & LV 1:05AM)                                                                            </span>
<span class="black">

 N


</span>

所以我们已经了解了 TD 的内容标签。再多做一点工作，你就成功了。

(顺便说一句，HTML 看起来有点畸形:你在 <th> 中有 <tbody> 标签，这似乎有点反常:如果 <tbody> 只是在 <table> 中的另一个级别，它是相当没有意义的。它如果您的 <tr><th>...</th></tr> 内容位于单独的 <thead> 部分 within the table 中，则更有意义。但它当然可能不是“您的”HTML!)