nokogiri +通过文本机械化css选择器
我是nokogiri的新手,到目前为止最熟悉CSS选择器,我试图从表中解析信息,下面是表的示例和我正在使用的代码,我坚持使用相应的if语句,如它似乎返回表的全部内容。
表:
... SPECIFIC TEXT What I want
我的脚本:(如果在表中找到SPECIFIC TEXT,它返回每个“div.c2 span.data”变量 – 所以我要么搞砸了我对do循环或if语句的了解)
data = [] page.agent.get(url) page.search('div.row').each do |row_data| if (row_data.search('div.c1:contains("/SPECIFIC TEXT/")').text.strip temp = row_data.search('div.c2 span.data').text.strip data << temp end end
当您可以在单个CSS选择器中提取所需内容时,无需停止并插入ruby逻辑。
data = page.search('div.row > div.c1:contains("SPECIFIC TEXT") + div.c2 span.data')
这将仅包括与选择器匹配的那些(例如,遵循SPECIFIC TEXT)。
这是您的逻辑可能出错的地方:
这段代码
if (row_data.search('div.c1:contains("SPECIFIC TEXT")'... temp = row_data.search('div.c2 span.data')...
首先在行中搜索特定文本,然后如果匹配,则返回与第二个查询匹配的所有行,这些行具有相同的起始点。 关键是上面的CSS选择器中的+
将返回紧跟在后面的元素(例如下一个兄弟元素)。 当然,我正在假设下一个元素总是你想要的。
我会做
require 'nokogiri' html = <<_ SPECIFIC TEXT What I want _ doc = Nokogiri::HTML(html) css_string = 'div.row > div.c1[text()*="SPECIFIC TEXT"] + div.c2 span.data' doc.at(css_string).text.strip # => "What I want"
这些选择器如何在这里工作 –
-
[name*="value"]
– 选择具有指定属性的元素,其值包含给定的子字符串。
-
Child Selector (“parent > child”)
– 选择由“parent”指定的元素“child”指定的所有直接子元素。
-
Next Adjacent Selector (“prev + next”)
– 选择匹配“next”的所有下一个元素,这些元素前面紧跟一个兄弟“prev”。
-
Class Selector (“.class”)
– 选择具有给定类的所有元素。
-
Descendant Selector (“ancestor descendant”)
– 选择作为给定祖先后代的所有元素。
Interesting Posts