ruby - 如何使用带有 nokogiri 的 XPath 解析 for 循环中的 inner_html

Question

我在仅找到的 inner_html 的 for 循环内解析时遇到问题。我只想在该内容中再次使用 XPath。我是 ruby​​ 的新手，所以有更好的解决方案。

#!/usr/bin/ruby -w

require 'rubygems'
require 'nokogiri'

page1 = Nokogiri::HTML(open('mycontacts.html'))


# Search for nodes by xpath
page1.xpath('//html/body/form/div[2]/span/table/tbody/tr').each do |row|
  #puts a_tag.content
  puts "new row"
  row_html = row.inner_html

  puts row_html
  puts ""

  name = row_html.xpath("/td[1]").text
  puts "name is " + name

end

for 循环中每一行的输出如下:

new row
<th>First Name</th>
<th>Last Name</th>
<th>Phone</th>

这是我遇到的错误:

screen-scraper.rb:20:in block in <main>': undefined method xpath' for # (NoMethodError)

我想解析每个 tr 并获取如下数据:Barney Rubble、Fred Flintstone

<table>
    <tbody>
        <tr>
            <th>First Name</th>
            <th>Last Name</th>
        </tr>
        <tr>
            <td>Fred</td>
            <td>Flintstone</td>
        </tr>
        <tr>
            <td>Barney</td>
            <td>Rubble</td>
        </tr>
    </tbody>
</table>

我乐于接受建议。我认为只解析 for 循环内的 inner_html 会更容易，但如果有更简单的方法来获取 for 循环内的节点，那也可以。

谢谢....

Answer 1

您可以修复它而不是使用 name = row_html.xpath("/td[1]").text , 使用 name = Nokogiri::HTML(row_html).xpath("/td[1]").text .尽管如果您与您共享完整的 HTML，这是一种很好的技术。

Nokogiri::HTML(row_html)会给你类的实例 Nokogiri::HTML::Document .现在#xpath , #css和 #search所有的方法都是Nokogiri::HTML::Document的实例方法类。

考虑到如果您的 inner_html产生 HTML你提供的表格，那么你可以这样想。

我确实测试了代码，希望它能给你结果:

require "nokogiri"

doc = Nokogiri::HTML(<<-eohl)
<table>
    <tbody>
        <tr>
            <th>First Name</th>
            <th>Last Name</th>
        </tr>
        <tr>
            <td>Fred</td>
            <td>Flintstone</td>
        </tr>
        <tr>
            <td>Barney</td>
            <td>Rubble</td>
        </tr>
    </tbody>
</table>
eohl

doc.css("table > tbody > tr"). each do |nd|
 nd.children.each{|i| print i.text.strip,"  " unless i.text.strip == "" }
 print "\n"
end
# >> First Name  Last Name  
# >> Fred  Flintstone  
# >> Barney  Rubble 

现在看这里是什么#inner_html给出，这反过来会回答你为什么你得到那个没有这样的方法错误:

require "nokogiri"

doc = Nokogiri::HTML(<<-eohl)
<table>
    <tbody>
        <tr>
            <th>First Name</th>
            <th>Last Name</th>
        </tr>
        <tr>
            <td>Fred</td>
            <td>Flintstone</td>
        </tr>
        <tr>
            <td>Barney</td>
            <td>Rubble</td>
        </tr>
    </tbody>
</table>
eohl

doc.search("table > tbody > tr"). each do |nd|
 p nd.inner_html.class
end

# >> String
# >> String
# >> String