Question

我正在使用mechanize / nokogiri并需要解析以下HTML字符串。任何人都可以帮助我使用xpath语法来执行此操作或任何其他可行的方法吗？

<table>
  <tr class="darkRow">
    <td>
      <span>
        <a href="?x=mSOWNEBYee31H0eV-V6JA0ZejXANJXLsttVxillWOFoykMg5U65P4x7FtTbsosKRbbBPuYvV8nPhET7b5sFeON4aWpbD10Dq">
            <span>4242YP</span>
        </a>
      </span>
    </td>
    <td>
      <span>Subject of Meeting</span>
    </td>
    <td>
      <span>
        <span>01:00 PM</span> 
        <span>Nov 11 2009</span> 
        <span>America/New_York</span>
      </span>
    </td>
    <td>
      <span>30</span>
    </td>
    <td>
      <span>
        <span>example@email.com</span>
      </span>
    </td>
    <td>
        <span>39243368</span>
    </td>
  </tr>
  .
  .
  .
  <more table rows with the same format>
</table>

我想将此作为输出

"4242YP","Subject of Meeting","01:00 PM Nov 11 2009 America/New_York","30","example@email.com", "39243368"
.
.
.
<however many rows exist in the html table>

Answer 1

这样的事情？

items=doc.xpath('//tr').map {|row| row.xpath('.//span/text()').select{|item| item.text.match(/\w+/)}.map {|item| item.text} }

返回： =＆GT; [[“4242YP”，“会议主题”，“01:00 PM”，“2009年11月11日”，“America / New_York”，“30”，“example@email.com”，“39243368”]，[“ ABCDEFG“]]

选择仅包括以单词字符开头的跨距（例如，排除某些跨距的空白）。您可能需要针对特定情况优化“选择”过滤器。

我添加了一个包含包含abcdefg的span的极简主义行，以便您可以看到嵌套数组。

Answer 2

如果您有一个XSL转换器，这里是转换输入的XSL的一部分：

<?xml version="1.0"?>
<xsl:stylesheet version="1.0"
xmlns:xsl="http://www.w3.org/1999/XSL/Transform">
<xsl:output method="text"/>

<xsl:template match="/">
   <xsl:apply-templates select="//tr"/>
</xsl:template>

<xsl:template match="tr">
   "<xsl:value-of select="td/span/a/span"/>","<xsl:value-of select="td[position()=2]/span"/>","<xsl:value-of select="td[position()=3]/span/span[position()=1]"/>"
</xsl:template>

</xsl:stylesheet>

产生的输出如下：

"4242YP","Subject of Meeting","01:00 PM"
"4242YP","Subject of Meeting","01:00 PM"

（我复制了你的第一个表格行。）

XSL选择位让您可以清楚地了解XPATH输入所需的内容。

Ruby Nokogiri解析HTML表

2 个答案: