html - 使用XPath进行HTML解析:扁平化的分层数据

Question

我的目标HTML是一个扁平化的元素表，其中包含由class属性定义的2级数据：

<tr>
    <td class="type">Type 1</td>
</tr>
<tr>
    <td class="name">name1</td>
    <td class="year">1970</td>
    <td class="rank">1</td>
</tr>
<tr>
    <td class="name">name2</td>
    <td class="year">1982</td>
    <td class="rank">3</td>
</tr>

目标是解析名称，年份，等级元素的列表，这些列表是通过以下xpath表达式完成的：

//td[@class = 'name']/text()
//td[@class = 'year']/text()
//td[@class = 'rank']/text()

每个元素都在紧接之前

<tr>
        <td class="type">Type 1</td>
</tr>

我想将“类型1”分配给上面解析的每个元素。它可以是相同长度的单独列表。当然，我的目标HTML在同一2级层次结构中包含许多此类元素：type-元素（名称，年份，等级）。

Answer 1

解决方案1

首先，找到感兴趣的td元素。例如，名称td具有以下伪代码：

name_tds = doc.evalXPath("//td[@class = 'name']")

然后，您可以使用名称 td作为上下文节点找到对应的类型 td，如下所示：

type_td = name_td.evalXPath("../preceding-sibling::tr[td[@class = 'type']][1]/td")

解决方案2

只需迭代所有 td并记住您找到的最后一个类型。伪代码：

foreach (td in doc.evalXPath("//td") {
    class = td.getAttribute("class");
    if (class == "type") {
        type = td.textContent();
    }
    else if (class == "name") {
        name = td.textContent();
        println("type: " + type + ", name: " + name);
    }
    // Same for year and rank.
}