Question

我正在使用Web-Harvest来做一些网页“刮”。我有一个值得组织的表格。桌子很简单。但是，我需要使用表的列标题来确定每列的数据类型。表格看起来像这样....

<table>
  <tr class="header">
    <td>Name</td>
    <td>Age</td>
    <td>Gender</td>
  </tr>
  <tr>
    <td>Bill</td>
    <td>25</td>
    <td>M</td>
  </tr>
  <tr>
    <td>Emily</td>
    <td>31</td>
    <td>F</td>
  </tr>
</table>

我正在使用XQuery，如Web-Harvest示例所示，我知道如何通过索引获取值并使用属性（类，id等），但在这种情况下，我不确定如何确定第1列是名称，第2列是年龄等...我想以这种形式输出XML ...

<person>
  <name>Bill</name>
  <age>25</age>
  <gender>M</gender>
</person>
<person>
  <name>Emily</name>
  <age>31</age>
  <gender>F</gender>
</person>

我在另一篇文章中看到了这段代码片段，但我不确定它是如何工作的。

//tr[td[.="Jim"]]/td[count(ancestor::table/thead/tr/th[.="Credit"]/preceding-sibling::*)+1]

看起来每个行都引用了祖先（parent？）来查找相应的列标题。除此之外，我迷路了。任何其他信息都会非常有用。

提前致谢。

Answer 1

此XQuery表达式：

  <persons>
   {
   let $names := /*/tr[1]/td
     return
         for $tr in /*/tr[position() ge 2]
           return
             <person>
               { for $i in 1 to count($tr/td)
                   return
                     element {$names[$i]} {$tr/td[$i]}
               }
            </person>
     }
   </persons>

应用于提供的XML文档：

<table>
  <tr class="header">
    <td>Name</td>
    <td>Age</td>
    <td>Gender</td>
  </tr>
  <tr>
    <td>Bill</td>
    <td>25</td>
    <td>M</td>
  </tr>
  <tr>
    <td>Emily</td>
    <td>31</td>
    <td>F</td>
  </tr>
</table>

生成想要的正确结果：

<persons>
   <person>
      <Name>
         <td>Bill</td>
      </Name>
      <Age>
         <td>25</td>
      </Age>
      <Gender>
         <td>M</td>
      </Gender>
   </person>
   <person>
      <Name>
         <td>Emily</td>
      </Name>
      <Age>
         <td>31</td>
      </Age>
      <Gender>
         <td>F</td>
      </Gender>
   </person>
</persons>

Web-Harvest按表列标题确定数据类型

1 个答案: