Question

我有一个非常长的HTML文件，包含许多不同的表。我只想解析某些表格，但遗憾的是<table>标记在这里没有任何帮助。

我想要解析的表格如下：

<tr>
<td> TEXT1 </td>
<td> <a class='unique identifier' ...> TEXT2 </a></td>
</tr>

我想要＆＃34; TEXT1＆＃34;和＆＃34; TEXT2＆＃34;。我知道如何获得＆＃34; TEXT2＆＃34;：它总是在<a>标签中，到目前为止我的解决方案是

//a[(@class="unique identifier")]

注意：有时＆＃34; TEXT1＆＃34;是<p>标签，有时它不是。有时会有其他标签，例如<b>或<br>或<em>等。我认为我需要获取之前的<td>内容。我找到的<a>，但忽略了其中的任何其他元素。

我怎样才能告诉Nokogiri每一个＆＃34; TEXT2＆＃34;我已经找到回去并获得之前的<td>，这样我就能得到＃34; TEXT1＆＃34;？

Answer 1

我会做类似的事情：

require 'nokogiri'

doc = Nokogiri::HTML(<<EOT)
<tr>
<td> TEXT1 </td>
<td> <a class='uid'> TEXT2 </a></td>
</tr>
EOT

wrapping_tr = doc.at('//a[@class="uid"]/../..')
nodes = wrapping_tr.search('td')

nodes.map(&:text) 
# => [" TEXT1 ", "  TEXT2 "]

我建议花时间阅读the XPath documentation因为这是非常基本的。

解析元素的前一个元素（忽略其中的其他元素）

1 个答案: