Question

我正在尝试使用此表的XPath从表中获取某些值，但它只返回[]（空）：

require 'nokogiri'
require 'open-uri'

url = "http://riopretrans.com.br/linhas.php?ln=106"

doc = Nokogiri::HTML(open(url))
doc.xpath("html/body/table[1]/tbody/tr[2]/td/table/tbody/tr/td/table/tbody/tr[2]/td/div/table[1]/tbody/tr[3]/td/div/div/center/font/table").each do |lines|
    puts lines.content
end

我使用Firebug找到了表的XPath，所以我认为这是正确的。

任何人都可以帮助我吗？

Answer 1

从XPath中删除tbody/。

tbody标记是table标记的HTML规范的一部分，但实际上很少在HTML中实现。有些浏览器会插入它，但它不在页面的HTML中。然后Firebug看到它，你看，并认为它一定是这样。

即使使用“查看源代码”也会让您感到困惑，因为您希望它是准确的，但是浏览器已经将内容包含在“tbody”中，所以，基本上它们对您撒谎。

您可以通过查看Nokogiri获取的HTML来确认这一点。使用puts doc.to_html['tbody']，看看您是"tbody"还是nil。

...因为在html文件中所有这些都是指定的（由程序员编写）

如果你是肯定的，他们实际上属于那里，因为它们存在于HTML源代码中，那么你需要拆开你的XPath。从宽阔的路径开始，然后慢慢添加以缩小搜索范围。

我现在无法访问服务器，所以我无法确认，或者深入了解层次结构应该是什么，并展示一个示例。（这就是为什么在你的问题中真正给我们提供真实HTML的原因远比一个可能无效的链接好得多。）

另一种方法是使用XPath的//（在任何地方搜索），限制较少的路径或CSS选择器。无论哪种方式，实际上检查HTML，而不是依赖于Firebug的XPath，并确定您可以在源中使用哪些“地标”导航到您想要的表。今天的HTML充满了id和class个参数，或者是一系列特定的标签，可以作为所需表格的指纹。搜索精确定位该表所需的最小值。

如果表格类似<table id="foo">，则使用doc.at('table#foo')。如果它在<div class="bar"><table>使用doc.at('div.bar table')。在任何情况下，使用必要的最小尺寸的访问器来完成工作。如果将来HTML中的任何内容发生变化，这将增加您成功的机会。

在Nokogiri中使用XPath获取HTML表值？

1 个答案: