XPath使用Nokogiri返回空数组
我正在尝试使用Nokogiri，Mechanize和XPath解析页面，但是，无论我尝试什么，我都会收到一个空数组。
我在Chrome中检查了它并获得了XPath，然后尝试了多种方法来解析它，但总是收到一个空数组。
我试过了：
puts page.search('/html/body/div/table/tbody/tr[2]/td/table/tbody/tr[2]/td[2]').inspect
puts post_page.parser.xpath('/html/body/div/table/tbody/tr[2]/td/table/tbody/tr[2]/td[2]').inspect
puts post_page.parser.at_xpath('/html/body/div/table/tbody/tr[2]/td/table/tbody/tr[2]/td[2]').inspect
全部带有和不带尾随的“/ text”
这是我试图抓的页面的来源：
<SCRIPT language="JavaScript">
<!--
document.cookie = "IV_JCT=%2FMPIS; path=/";
//-->
</SCRIPT>
<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN">
<html>
<head>
<title>My Schedule</title>
<meta http-equiv="pragma" content="no-cache">
<meta http-equiv="cache-control" content="no-cache">
<meta http-equiv="expires" content="-1">
<meta http-equiv="keywords" content="keyword1,keyword2,keyword3">
<meta http-equiv="description" content="This is my schedule">
<!--
<link rel="stylesheet" type="text/css" href="styles.css">
-->
</head>
<body>
<div align="center">
<strong>My Schedule</strong><br>as of Sun Feb 24 2013 06:43:09 PM CST<br><br>
<div align="left"><pre><br>Employee Name: Johnson Appleseed
Unit = 12345</pre>
<br>
</div>
<table border="0" cellpadding="0" cellspacing="0" width="100%">
<tr>
<td colspan="8" align="center"><b><font size="+1">Schedules may be subject to change based on business needs or demand</font></b></td>
</tr>
<tr><td>
<table border="4" bordercolor="#2D73B9" cellpadding="2" cellspacing="2" width="100%">
<tr bgcolor="#7C9BCF">
<td width="12%" align="center"><b>Sunday</b></td>
<td width="12%" align="center"><b>Monday</b></td>
<td width="12%" align="center"><b>Tuesday</b></td>
<td width="12%" align="center"><b>Wednesday</b></td>
<td width="12%" align="center"><b>Thursday</b></td>
<td width="12%" align="center"><b>Friday</b></td>
<td width="12%" align="center"><b>Saturday</b></td>
<td rowspan="2" width="12%" align="center"><b>Total weekly Hours</b></td>
</tr>
<tr bgcolor="#7C9BCF">
<td width="14%" align="center">2013-02-24</td>
<td width="14%" align="center">2013-02-25</td>
<td width="14%" align="center">2013-02-26</td>
<td width="14%" align="center">2013-02-27</td>
<td width="14%" align="center">2013-02-28</td>
<td width="14%" align="center">2013-03-01</td>
<td width="14%" align="center">2013-03-02</td>
</tr>
<tr bgcolor="#FFFFFF">
<td width="14%" align="left"><pre> </pre></td>
<td width="14%" align="left"><pre><b>Shift: </b>
5:30 PM - 9:00 PM
<b>Meal:</b>
- </pre></td>
<td width="14%" align="left"><pre> </pre></td>
<td width="14%" align="left"><pre> </pre></td>
<td width="14%" align="left"><pre> </pre></td>
<td width="14%" align="left"><pre><b>Shift: </b>
2:00 PM - 9:15 PM
<b>Meal:</b>
5:45 PM - 6:30 PM</pre></td>
<td width="14%" align="left"><pre><b>Shift: </b>
4:45 PM - 9:15 PM
<b>Meal:</b>
- </pre></td>
<td width="12%" align="center">14.5</td>
</tr>
<tr bgcolor="#FFFFFF">
<td width="14%" align="center">0.0</td>
<td width="14%" align="center">3.5</td>
<td width="14%" align="center">0.0</td>
<td width="14%" align="center">0.0</td>
<td width="14%" align="center">0.0</td>
<td width="14%" align="center">6.5</td>
<td width="14%" align="center">4.5</td>
<td width="14%" align="center">Daily Hours</td>
</tr>
</table>
</td></tr>
<tr><td>
<table border="4" bordercolor="#2D73B9" cellpadding="2" cellspacing="2" width="100%">
<tr bgcolor="#7C9BCF">
<td width="12%" align="center"><b>Sunday</b></td>
<td width="12%" align="center"><b>Monday</b></td>
<td width="12%" align="center"><b>Tuesday</b></td>
<td width="12%" align="center"><b>Wednesday</b></td>
<td width="12%" align="center"><b>Thursday</b></td>
<td width="12%" align="center"><b>Friday</b></td>
<td width="12%" align="center"><b>Saturday</b></td>
<td rowspan="2" width="12%" align="center"><b>Total weekly Hours</b></td>
</tr>
<tr bgcolor="#7C9BCF">
<td width="14%" align="center">2013-03-03</td>
<td width="14%" align="center">2013-03-04</td>
<td width="14%" align="center">2013-03-05</td>
<td width="14%" align="center">2013-03-06</td>
<td width="14%" align="center">2013-03-07</td>
<td width="14%" align="center">2013-03-08</td>
<td width="14%" align="center">2013-03-09</td>
</tr>
<tr bgcolor="#FFFFFF">
<td width="14%" align="left"><pre>Sched Not Posted</pre></td>
<td width="14%" align="left"><pre>Sched Not Posted</pre></td>
<td width="14%" align="left"><pre>Sched Not Posted</pre></td>
<td width="14%" align="left"><pre>Sched Not Posted</pre></td>
<td width="14%" align="left"><pre>Sched Not Posted</pre></td>
<td width="14%" align="left"><pre>Sched Not Posted</pre></td>
<td width="14%" align="left"><pre>Sched Not Posted</pre></td>
<td width="12%" align="center">0.0</td>
</tr>
<tr bgcolor="#FFFFFF">
<td width="14%" align="center">0.0</td>
<td width="14%" align="center">0.0</td>
<td width="14%" align="center">0.0</td>
<td width="14%" align="center">0.0</td>
<td width="14%" align="center">0.0</td>
<td width="14%" align="center">0.0</td>
<td width="14%" align="center">0.0</td>
<td width="14%" align="center">Daily Hours</td>
</tr>
</table>
</td></tr>
<tr><td>
<table border="4" bordercolor="#2D73B9" cellpadding="2" cellspacing="2" width="100%">
<tr bgcolor="#7C9BCF">
<td width="12%" align="center"><b>Sunday</b></td>
<td width="12%" align="center"><b>Monday</b></td>
<td width="12%" align="center"><b>Tuesday</b></td>
<td width="12%" align="center"><b>Wednesday</b></td>
<td width="12%" align="center"><b>Thursday</b></td>
<td width="12%" align="center"><b>Friday</b></td>
<td width="12%" align="center"><b>Saturday</b></td>
<td rowspan="2" width="12%" align="center"><b>Total weekly Hours</b></td>
</tr>
<tr bgcolor="#7C9BCF">
<td width="14%" align="center">2013-03-10</td>
<td width="14%" align="center">2013-03-11</td>
<td width="14%" align="center">2013-03-12</td>
<td width="14%" align="center">2013-03-13</td>
<td width="14%" align="center">2013-03-14</td>
<td width="14%" align="center">2013-03-15</td>
<td width="14%" align="center">2013-03-16</td>
</tr>
<tr bgcolor="#FFFFFF">
<td width="14%" align="left"><pre>Sched Not Posted</pre></td>
<td width="14%" align="left"><pre>Sched Not Posted</pre></td>
<td width="14%" align="left"><pre>Sched Not Posted</pre></td>
<td width="14%" align="left"><pre>Sched Not Posted</pre></td>
<td width="14%" align="left"><pre>Sched Not Posted</pre></td>
<td width="14%" align="left"><pre>Sched Not Posted</pre></td>
<td width="14%" align="left"><pre>Sched Not Posted</pre></td>
<td width="12%" align="center">0.0</td>
</tr>
<tr bgcolor="#FFFFFF">
<td width="14%" align="center">0.0</td>
<td width="14%" align="center">0.0</td>
<td width="14%" align="center">0.0</td>
<td width="14%" align="center">0.0</td>
<td width="14%" align="center">0.0</td>
<td width="14%" align="center">0.0</td>
<td width="14%" align="center">0.0</td>
<td width="14%" align="center">Daily Hours</td>
</tr>
</table>
</td></tr>
<tr>
<td colspan="8" align="center"><b><font size="+1">Schedules may be subject to change based on business needs or demand</font></b></td>
</tr>
</table >
<p><br>
</p>
<p class="align_center" >
<input type=button value="Print this page" onClick="javascript:window.print();">
<input type=button value="Close This Window" onClick="javascript:window.close();">
</p>
</div>
</body>
</html>
1 个答案:
答案 0 :(得分：5)
请注意，在您的XPath访问者中，您需要tbody成为路径的一部分：
puts page.search('/html/body/div/table/tbody/tr[2]/td/table/tbody/tr[2]/td[2]').inspect
puts post_page.parser.xpath('/html/body/div/table/tbody/tr[2]/td/table/tbody/tr[2]/td[2]').inspect
puts post_page.parser.at_xpath('/html/body/div/table/tbody/tr[2]/td/table/tbody/tr[2]/td[2]').inspect
HTML没有tbody标记，导致您的查找失败。
尝试简化您的访问者。我通常从Nokogiri支持的CSS开始，然后，如果我无法到达那里，我切换到XPath。您的里程可能会有所不同。
例如：
(rdb:1) puts doc.at('table table tr').to_html
输出：
<tr bgcolor="#7C9BCF">
<td width="12%" align="center"><b>Sunday</b></td>
<td width="12%" align="center"><b>Monday</b></td>
<td width="12%" align="center"><b>Tuesday</b></td>
<td width="12%" align="center"><b>Wednesday</b></td>
<td width="12%" align="center"><b>Thursday</b></td>
<td width="12%" align="center"><b>Friday</b></td>
<td width="12%" align="center"><b>Saturday</b></td>
<td rowspan="2" width="12%" align="center"><b>Total weekly Hours</b></td>
</tr>
这是获取列标题的更简单方法。
要获得第二行，您可以使用：
(rdb:1) puts doc.at('table table tr[2]').to_html
哪个可以帮到你：
<tr bgcolor="#7C9BCF">
<td width="14%" align="center">2013-02-24</td>
<td width="14%" align="center">2013-02-25</td>
<td width="14%" align="center">2013-02-26</td>
<td width="14%" align="center">2013-02-27</td>
<td width="14%" align="center">2013-02-28</td>
<td width="14%" align="center">2013-03-01</td>
<td width="14%" align="center">2013-03-02</td>
</tr>
要获取单元格内容，您可以使用：
(rdb:1) puts doc.search('table table tr[2] td').map(&:text)
返回：
2013-02-24
2013-02-25
2013-02-26
2013-02-27
2013-02-28
2013-03-01
2013-03-02
2013-03-03
2013-03-04
2013-03-05
2013-03-06
2013-03-07
2013-03-08
2013-03-09
2013-03-10
2013-03-11
2013-03-12
2013-03-13
2013-03-14
2013-03-15
2013-03-16
注意这是如何返回两个表的标题。要将其限制在第一个表格，我们可以使用at代替search。 at返回第一个匹配节点，其中search返回一个NodeSet，就像一个数组。此外，与search的行为不同，at查看整个文档查找所有匹配项。
此代码查找第一个表的第二行，然后遍历嵌入的单元格：
(rdb:1) puts doc.at('table table tr[2]').search('td').map(&:text)
2013-02-24
2013-02-25
2013-02-26
2013-02-27
2013-02-28
2013-03-01
2013-03-02
它更简单，更易于理解和维护。
相关问题
最新问题
- 我写了这段代码，但我无法理解我的错误
- 我无法从一个代码实例的列表中删除 None 值，但我可以在另一个实例中。为什么它适用于一个细分市场而不适用于另一个细分市场？
- 是否有可能使 loadstring 不可能等于打印？卢阿
- java中的random.expovariate()
- Appscript 通过会议在 Google 日历中发送电子邮件和创建活动
- 为什么我的 Onclick 箭头功能在 React 中不起作用？
- 在此代码中是否有使用“this”的替代方法？
- 在 SQL Server 和 PostgreSQL 上查询，我如何从第一个表获得第二个表的可视化
- 每千个数字得到
- 更新了城市边界 KML 文件的来源？