Question

我正在尝试从MLS网站抓取玩家信息，以创建玩家来自哪里的地图，以及其他信息。我对此感到陌生。

到目前为止，我已经使用了这段代码：

require 'HTTParty'
require 'Nokogiri'
require 'JSON'
require 'Pry'
require 'csv'

page = HTTParty.get('https://www.atlutd.com/players')

parse_page = Nokogiri::HTML(page)

players_array = []

parse_page.css('.player_list.list-reset').css('.row').css('.player_info').map do |a|
    player_info = a.text
    players_array.push(player_info)
end

#CSV.open('atlantaplayers.csv', 'w') do |csv|
#   csv << players_array
#end

pry.start(binding)

pry函数的输出是：

"Miguel Almirón10\nMidfielder\n-\nAsunción, ParaguayAge:\n23\nHT:\n5' 9\"\nWT:\n140\n"

当放入csv时，在单个单元格中创建它：

"Miguel AlmirÃ³n10
Midfielder
-
AsunciÃ³n, ParaguayAge:
23
HT:
5' 9""
WT:
140
"

我已经研究过并确定它有可能是节点（\ n）？这就是抛弃格式化。

我想要的结果是弄清楚如何将pry输出放入数组中，如下所示：

Miguel, Almiron, 10, Midfielder, Asuncion, Paraguay, 23, 5'9", 140

如果您可以帮助修改名称上的重音标记，则可获得积分。此外，如果高度存在问题，是否有办法将其转换为公制？

提前谢谢！

Answer 1

我已经研究过并确定它有可能是节点（\ n）？这就是抛弃格式化。

是的，这就是为什么它以这种奇怪的格式显示，您可以strip渲染的文字删除多余的空格/行，然后您的文字将显示没有\n s

player_info = a.text.strip

[1] pry(main)> "Miguel Almirón10\n".strip
=> "Miguel Almirón10"

如果您希望按此顺序将其存储在CSV中，则只会删除\n Miguel, Almiron, 10, Midfielder, Asuncion, Paraguay, 23, 5'9", 140 然后你可能想要用空格分割，然后为每一行创建一个数组，所以当把这行推到CSV文件时，它将如下所示：

csv << ["Miguel", "Almiron", 10, "Midfielder", "Asuncion", "Paraguay", 23, "5'9\"", 140]

带有名字上的重音符号

您可以使用transliterate方法删除重音

[8] pry(main)> ActiveSupport::Inflector.transliterate("Miguel Almirón10")
=> "Miguel Almiron10"

请参阅http://api.rubyonrails.org/classes/ActiveSupport/Inflector.html#method-i-transliterate ，您可能需要require 'rails'了解

Answer 2

这就是我要用的东西，i18n和人物宝石：

require 'people'
require "i18n"

I18n.available_locales = [:en]
@np = People::NameParser.new

players_array = []

parse_page.css('.player_info').each do |div|
  name = @np.parse I18n.transliterate(div.at('.name a').text)
  players_array << [
    name[:first],
    name[:last],
    div.at('.jersey').text,
    div.at('.position').text,
  ]
end

# => [["Miguel", "Almiron", "10", "Midfielder"],
# ["Mikey", "Ambrose", "22", "Defender"],
# ["Yamil", "Asad", "11", "Forward"],
# ...

这应该让你开始。

Nokogiri：清理数据输出

2 个答案: