Question

我想在此网页中抓取td的文字值：0.2197 British Pound

<table border=1 cellpadding=5 cellspacing=0 style="font-weight: normal; font-size: 10.5;"><tr><td width=50>1791</td><td>0.2195 British Pound</td></tr><tr><td width=50>1792</td><td>0.2239 British Pound</td></tr><tr><td width=50>1793</td><td>0.2218 British Pound</td></tr><tr><td width=50>1794</td><td>0.2106 British Pound</td></tr><tr><td width=50>1795</td><td>0.2209 British Pound</td></tr><tr><td width=50>1796</td><td>0.2333 British Pound</td></tr><tr><td width=50>1797</td><td>0.2254 British Pound</td></tr><tr><td width=50>1798</td><td>0.2279 British Pound</td></tr><tr><td width=50>1799</td><td>0.2420 British Pound</td></tr><tr><td width=50>1800</td><td>0.2199 British Pound</td></tr><tr><td width=50>1801</td><td>0.2283 British Pound</td></tr><tr><td width=50>1802</td><td>0.2230 British Pound</td></tr><tr><td width=50>1803</td><td>0.2202 British Pound</td></tr><tr><td width=50>1804</td><td>0.2197 British Pound</td></tr><tr><td width=50>1805</td><td>0.2300 British Pound</td></tr>

然而，我正在抓取的网页有几个表，所以我需要一种方法来指定这个特定的表。

这是我尝试过的：

exchange_rate_table = Nokogiri::HTML(open('http://measuringworth.com/datasets/exchangeglobal/result.php?year_source=1791&year_result=2007&countryE%5B%5D=United+Kingdom'))
        exchange_rate_table.css('td')

但是会返回所有td，有些甚至在此表之外。

Answer 1

在您的解决方案中，您找到了所有<td>元素：

在这里，您打开了整个网页：

exchange_rate_table = Nokogiri::HTML(open('http://measuringworth.com/datasets/exchangeglobal/result.php?year_source=1791&year_result=2007&countryE%5B%5D=United+Kingdom'))

在这里，您找到了网页中的所有<td>元素（如果这是您想要的）：

exchange_rate_table.css('td')

网页中有两个表格，其中一个表格您要排除。在此特定页面中，您只有两个<table>元素。

您应该找到一个表，然后找到<td>个元素，而不是查找所有<td>个元素。

查找网页：

web_page = Nokogiri::HTML(open('http://measuringworth.com/datasets/exchangeglobal/result.php?year_source=1791&year_result=2007&countryE%5B%5D=United+Kingdom'))

找到第二个表（具有汇率的表）：

exchange_rate_table = web_page.css('table').last

查找该表格表中的所有<td>元素：

exchange_rate_cells = exchange_rate_table.css('td')

使用样式属性Ruby与Nokogiri一起刮表数据

1 个答案: