html - Ruby 和 Nokogiri 解析表？

Question

这是我的 HTML:

<tbody><tr><th>SHOES</th></tr>
  <tr>
    <td>
      Shoe 1 <br>shoe 2<br> shoe3 <br>
    </td>
  </tr>
</tbody>

这是我的代码:

nodes = page.css("tr").select do |el|
  el.css('th').text =~ /SHOES/
end

nodes.each do |value|
  puts value.css("td").text
end

我希望获得值 shoe 1 , shoe 2和 shoe 3 , 但没有输出。我怀疑还有一个额外的 <tr></tr>在<tr><th>SHOES</th></tr>之间.或者是 <br>罪魁祸首？

还有其他结构如:

<tr>
  <th>SHOES</th>
  <td>NBA</td>
</tr>

我得到了想要的输出 "NBA" .

我做错了什么？

我有两种结构:

Name1: value
Name1: value2

以上将给出:

<tr>
<th>Name1</th>
<td>Value</td>
</tr>

但有时它是:

Name:
value
value2
value3

所以 HTML 是:

<tbody><tr><th>Name</th></tr>
<tr>
<td>value<br>value2<br> ....</td>

Answer 1

在 HTML 中，表格由行组成。当您遍历这些行时，只有其中一个是标题。虽然从逻辑上讲，您会看到正文行和标题行之间的关系，但对于 HTML(因此对于 Nokogiri)而言，它们之间没有关系。

如果您想要获取具有特定标题的单元格的每个值，您可以对特定列进行计数，然后从那里获取值。

使用此 HTML 作为源

html = '<tbody><tr><th>HATS</th><th>SHOES</th></tr>
  <tr>
    <td>
      hat 1 <br>hat 2<br> hat3 <br>
    </td>
    <td>
      Shoe 1 <br>shoe 2<br> shoe3 <br>
    </td>
  </tr>
  </tbody>'

然后我们跟着得到右边的位置，在表格的第一行

page = Nokogiri::HTML(html)

shoes_position = page.css("tr")[0].css('th').find_index do |el|
  el.text =~ /SHOES/
end

然后，我们在每隔一行的那个位置找到 s，并从中获取文本

shoes_tds = page.css('tr').map {|row| row.css('td')[shoes_position] }.compact
shoes_names = shoes_tds.map { |td| td.text }

我使用紧凑型删除 nil 值，因为第一行(带有标题的行)没有 td，因此返回 nil