Question

我想重拍伦敦2012年的奥运奖牌数，以更好地反映奖牌的价值。目前它只按金牌排序。我想用积分来重新计算，所以gold = 4，silver = 2和bronze = 1来制作一个更合理的新列表。我可能想记住之前的排名，然后添加一个新的排名列。

我想尝试机械化从站点获取原始数据，然后将数据解析为行和列，应用新计数，然后重新制作列表。

从http://www.london2012.com/medals/medal-count/来源，每个国家/地区都有一个像这样的奖牌：

<span class="countryName">Canada</span></a></div></div></td><td class="gold c">0</td><td class="silver c">2</td><td class="bronze c">5</td>

如果我使用agent.get（'http://www.london2012.com/medals/medal-count'）它会显示整个列表。如何解析特定的跨度和表数据？

我还需要记住排名，然后当我创建新页面时，将新排名放在旁边。

任何有关机械化解析和记忆数据的提示都会非常有用。更重要的是你做这样的事情的思考过程，我很感激帮助我开始。这不一定是代码答案

由于

Answer 1

首先确定表格。在Chrome中加载页面并右键单击表格上的任何位置。去检查元素。沿着层面走，直到你在桌子上。现在选择它，你会看到它看起来像这样：

<table class="or-tbl overall_medals sortable" summary="Schedule">

overall_medals类看起来很独特，所以使用起来很好。现在启动irb并执行：

require 'mechanize'
agent = Mechanize.new
page = agent.get 'http://www.london2012.com/medals/medal-count/'

仔细检查表格是否唯一：

page.search('table.overall_medals').size 
#=> 1 (good, it is)

您可以将表中的所有数据都包含在一个数组中：

page.search('table.overall_medals tr').map{|tr| tr.search('td').map(&:text)}

请注意前两行是空的，让我们通过使用范围来消除它们：

data = page.search('table.overall_medals tr')[2..-1].map{|tr| tr.search('td').map(&:text)}

第二行不是真的空，它有列名（在th而不是td中）。你可以得到：

columns = page.search('table.overall_medals tr[2] th').map{|th| th.text.strip}

你可以用以下内容将它们变成哈希：

rows = data.map{|row| Hash[columns.zip row]}

现在你可以做到

rows[0]['Country']
#=> "United States of America"

甚至一个大哈希：

countries = rows.map{|row| {row['Country'] => row}}.reduce &:merge

现在：

countries['France']['Gold']
#=> "8"

Answer 2

您可能会发现此Medals API很有用（假设您的问题并非专门针对Mechanize）

它使用Nokogiri来解析网站，输出可用作JSON：