Tag: 信息提取

使用Ruby从文本解析日期

我正在试图弄清楚如何使用Ruby从非结构化文本中提取日期。 例如，我想解析这个字符串的日期“2010年2月1日午夜（美国东部时间）午夜12点之后开始的申请将不予考虑。” 有什么建议？

使用Ruby / Mechanize（和Nokogiri）从HTML中提取单个字符串

我从论坛中提取数据。 我的脚本基于工作正常。 现在我需要从单个post中提取日期和时间（2009年12月21日，20：39）。 我无法让它发挥作用。 我使用FireXPath来确定xpath。 示例代码： require ‘rubygems’ require ‘mechanize’ post_agent = WWW::Mechanize.new post_page = post_agent.get(‘http://www.vbulletin.org/forum/showthread.php?t=230708’) puts post_page.parser.xpath(‘/html/body/div/div/div/div/div/table/tbody/tr/td/div[2]/text()’).to_s.strip puts post_page.parser.at_xpath(‘/html/body/div/div/div/div/div/table/tbody/tr/td/div[2]/text()’).to_s.strip puts post_page.parser.xpath(‘//[@id=”post1960370″]/tbody/tr[1]/td/div[2]/text()’) 我的所有尝试都以空字符串或错误结束。 我找不到有关在Mechanize中使用Nokogiri的任何文档。 Mechanize文档在页面底部显示： 使用Mechanize导航到需要刮擦的页面后，使用Nokogiri方法刮取它。 但有什么方法呢？ 我在哪里可以通过样本和解释语法阅读它们？ 我也没有在Nokogiri的网站上找到任何东西。