html表到数组ruby

Question

我正在使用watir进行屏幕抓取，我下载了一个xls文件。当我在记事本中打开这个文件时，我发现它只是一堆html表。是否有任何函数或gem将此页面转换为一堆数组。 任何想法都表示赞赏。

Answer 1

通常，只要不使用colspan或rowspan属性，只需遍历带有表的HTML文件并提取行和列，这是一个简单的练习。那些混乱的逻辑流程需要一些感知它们引起的间隙，并且需要用*跨度的重复值填补空白。 How do I parse an HTML table with Nokogiri?可能有帮助。

通过查看桌面上的XLS文件，我认为它们不是XML或HTML。我不确定你下载了什么。我做了一个快速搜索和roo（http://roo.rubyforge.org/）似乎是一个很好的起点。

Answer 2

1. 将其缩小为......
2. 清除空白
3. 用“
替换 标签
4. 将 标记替换为“，
5. 替换 ＆amp; ＆amp;带有 nothing
的 标签
6. 用 |
替换 标记
7. 使用 |
拆分行
8. 使用，
拆分字段

你可以将它简化一点，但这就是它的要点。

Answer 3

XLS是二进制格式。如果您在文件内容中看到HTML表，则表示您可能没有正确下载文件。

如何通过Watir下载XLS文件？您是否必须自动化“文件下载”窗口，或者只是按照指向XLS文件的链接并将内容写入文件？