Question

我正在尝试从网页中的表中提取数据，但我不断提取相同的信息。例如，我将每部电影都放在一个arraylist中，但我希望将每部电影与相关的表格数据相匹配。问题是，每个表都有相同的类名。我能够打印每个电影标题，但我只是在拉电影的桌面信息。以下是第一和第二部电影的HTML示例：

    <TH CLASS="ddtitle">MovieOne</TH>
        <TABLE  CLASS="datadisplaytable" ><CAPTION class="captiontext">Movies</CAPTION>
    <TR>
    <TH CLASS="ddheader" scope="col" >Genre</TH>
    <TH CLASS="ddheader" scope="col" >Time</TH>
    <TH CLASS="ddheader" scope="col" >Days</TH>
    <TH CLASS="ddheader" scope="col" >Where</TH>
    <TH CLASS="ddheader" scope="col" >Date Range</TH>
    <TH CLASS="ddheader" scope="col" >Seating</TH>
    <TH CLASS="ddheader" scope="col" >Actors</TH>
    </TR>
    <TR>
    <TD CLASS="dddefault">Action</TD>
    <TD CLASS="dddefault">10:00 am - 12:00 pm</TD>
    <TD CLASS="dddefault">SMTWTHFSA</TD>
    <TD CLASS="dddefault">AMC Showplace</TD>
    <TD CLASS="dddefault">Aug 20, 2014 - Sept 12, 2014</TD>
    <TD CLASS="dddefault">Reservations</TD>
    <TD CLASS="dddefault">Will Ferrel (<ABBR title= "Primary">P</ABBR>)  target="Will Ferrel" ></TD>
    </TR>
    </TABLE>
<TH CLASS="ddtitle">MovieTwo</TH>
        <TABLE  CLASS="datadisplaytable" ><CAPTION class="captiontext">Movies</CAPTION>
    <TR>
    <TH CLASS="ddheader" scope="col" >Genre</TH>
    <TH CLASS="ddheader" scope="col" >Time</TH>
    <TH CLASS="ddheader" scope="col" >Days</TH>
    <TH CLASS="ddheader" scope="col" >Where</TH>
    <TH CLASS="ddheader" scope="col" >Date Range</TH>
    <TH CLASS="ddheader" scope="col" >Seating</TH>
    <TH CLASS="ddheader" scope="col" >Actors</TH>
    </TR>
    <TR>
    <TD CLASS="dddefault">Action</TD>
    <TD CLASS="dddefault">11:00 am - 12:30 pm</TD>
    <TD CLASS="dddefault">SMTWTHFSA</TD>
    <TD CLASS="dddefault">Showplace Cinemas</TD>
    <TD CLASS="dddefault">Aug 20, 2014 - Sept 12, 2014</TD>
    <TD CLASS="dddefault">TBA</TD>
    <TD CLASS="dddefault">Zach Galifinakis (<ABBR title= "Primary">P</ABBR>)  target="Zach Galifinakis" ></TD>
    </TR>
    </TABLE>

这是我一直在尝试的（由我的另一个问题Extract Text from BR tags提供Praveen）：

 WebElement table =driver.findElement(By.xpath("//table[@class='datadisplaytable']"));
   WebElement tbody=table.findElement(By.tagName("tbody"));
   List<WebElement> rows=tbody.findElements(By.tagName("tr"));
   System.out.println("Row  size:"+rows.size());
   ArrayList<String> list=new ArrayList<>();

   for(int i=0;i<rows.size();i++)
   {
     WebElement column = tbody.findElement(By.xpath("//table[@class='datadisplaytable']/tbody/tr[2]/td"));
     if(column.getText().trim().contains("."))
     {
        System.out.println("text : "+column.getText().trim());
        list.add(column.getText().trim());
     }

   }

我也能够以字符串形式获取表信息，但我需要将每个表元素分开。我可以使用子字符串，但信息会有所不同，因此字符串长度也会有所不同。我应该使用xpath来提取信息，还是有另一种方式？

Answer 1

我认为我理解你的问题。您想要从网页中的所有表格中读取电影的名称。

阅读所有表格
循环它们并在表格的每一行中，获取第二列（假设有电影名称）

我没有在我的机器上测试过这个..这是你可以尝试的代码。

List<WebElement> tables = driver.findElements(By.className("ddtitle"));

foreach(WebElement table : tables){

   List<WebElement> rows = table.findElements(By.tagName("TR"));

   foreach(WebElement row : rows){
       WebElement movieName = row.findElements(By.tagName("TD")).get(2); // column # in row
       System.out.println(movieName);
   }
}

Answer 2

您可以使用前面的<TR>来区分每个表，从而更改限制所选表的上下文的XPath表达式。例如，此表达式只会选择 second 表：

//table[@class='datadisplaytable'][preceding-sibling::th[1]='MovieTwo']/tbody/tr[2]/td

（假设电影标题不同）

表达式//table/preceding-sibling:th[1]选择最近的<th>元素。其上下文由具有class属性datadisplaytable的所有表格组成。谓词进一步限制仅设置为具有包含字符串值table的前一个<th>的{{1}}个元素。

如果你知道几部电影的名字，你可以在电影名称的位置使用一个变量，然后分别遍历每个表格，选择你想要处理的电影。

Answer 3

我可以使用

获取第一个表格信息

WebElement movieinfo = driver.findElement(By.xpath("//table[@class='datadisplaytable']/descendant::table["+tcounter+"]//td[1]"));

tcounter是一个int值= 1.

然后我更改了td [1]的值以获取其他单元格并增加tcounter的值以访问其他表格。它不是很漂亮但它有效。再次感谢您的帮助。

使用相同的类名提取表数据

3 个答案: