haskell - xml-conduit:如何仅获取第一个 tbody 和该 tbody 的直接子 tr？

Question

我正在使用 xml-conduit 和 Text.XML.Cursor 来导航一些带有嵌套表的糟糕 html。有一个带有两个 tbody 标签的表，我想要第一个 tbody 的直接子 tr 标签。这是到目前为止我的代码:

getIdentityTableBody :: Cursor -> [Cursor]
getIdentityTableBody
  = element "table" >=> hasAttribute "summary" >=>
      attributeIs "summary" "Issuer Identity Information"
      &// element "tbody" >=> child >=> element "tr"

但这会获取两个 tbody 标记的所有后代 tr。我根本不知道如何单独获取第一个 tbody，并且对仅过滤该 tbody 中的直接子级感到困惑。

这是我正在尝试解析的 html。

<table summary="Issuer Identity Information" width="100%">
  <tbody>
    <tr>
      <th width="33%" class="FormText">CIK (Filer ID Number)</th>
      <th width="10%" class="FormText">Previous Names</th>
      <td width="23%">
        <table border="0" summary="Table with single CheckBox">
          <tbody><tr>
            <td class="CheckBox"><span class="FormData">X</span></td>
            <td align="left" class="FormText">None</td>
          </tr>
        </tbody></table>
      </td>
      <th width="33%" class="FormText">Entity Type</th>
    </tr>
    <tr>
      <td>
        <a href="http://www.sec.gov/cgi-bin/browse-edgar?action=getcompany&CIK=0001614286">0001614286</a>
      </td>
      <td rowspan="5" colspan="2" valign="top"></td>
      <td rowspan="7" valign="top">
        <table width="100%" border="0" summary="Table with Multiple boxes">
          <tbody><tr>
            <td class="CheckBox">&nbsp;&nbsp;</td>
            <td class="FormText">Corporation</td>
          </tr>
          <tr>
            <td class="CheckBox"><span class="FormData">X</span></td>
            <td class="FormText">Limited Partnership</td>
          </tr>
          <tr>
            <td class="CheckBox">&nbsp;&nbsp;</td>
            <td class="FormText">Limited Liability Company</td>
          </tr>
          <tr>
            <td class="CheckBox">&nbsp;&nbsp;</td>
            <td class="FormText">General Partnership</td>
          </tr>
          <tr>
            <td class="CheckBox">&nbsp;&nbsp;</td>
            <td class="FormText">Business Trust</td>
          </tr>
          <tr>
            <td class="CheckBox">&nbsp;&nbsp;</td>
            <td class="FormText">Other (Specify)</td>
          </tr>
        </tbody></table>
        <br>
      </td>
    </tr>
    <tr>
      <th class="FormText">Name of Issuer</th>
    </tr>
    <tr>
      <td class="FormData">SRA US Equity Fund, LP</td>
    </tr>
    <tr>
      <th class="FormText">Jurisdiction of Incorporation/Organization</th>
    </tr>
    <tr>
      <td class="FormData">DELAWARE</td>
    </tr>
    <tr>
      <th class="FormText" colspan="2">Year of Incorporation/Organization</th>
    </tr>
    <tr>
      <td colspan="3">
        <table border="0" summary="Year of Incorporation/Organization">
          <tbody>
            <tr>
              <td class="CheckBox">&nbsp;&nbsp;</td>
              <td class="FormText">Over Five Years Ago</td>
            </tr>
            <tr>
              <td class="CheckBox"><span class="FormData">X</span></td>
              <td class="FormText">Within Last Five Years (Specify Year)</td>
              <td><span class="FormData">2014</span></td>
            </tr>
            <tr>
              <td class="CheckBox">&nbsp;&nbsp;</td>
              <td class="FormText">Yet to Be Formed</td>
            </tr>
          </tbody>
        </table>
      </td>
    </tr>
  </tbody>
</table>

Answer 1

问题是 &//元素“tbody” 表示“查找每个 tbody 后代”，包括其他 tbody 标记内的 tbody 标记。不如使用 &/ 来代替，它只获取 table 元素的直接 tbody 后代？

另外两条评论:

1. 如果您可以提供一些示例 XML/HTML，那将会很有帮助。
2. 您不需要同时使用 hasAttribute 和 attributeIs。只需确认该属性具有给定值也会检查它是否存在。