提取数据与机械化

Question

首先，这里是样品HTML表格：

<tr> 
    <td><strong>Kangchenjunga </strong></td> 
    <td>8,586m<br /></td> 
    <td>28,169ft</td> 
    <td><div align="center">Nepal/India </div></td> 
    <td>1955; G. Band, J. Brown </td> 
</tr> 

的ARGV [0]将具有山名（第一colomn）并且返回值应该是最后一列，即第一次爬山的人。

所以我需要检查整行第一列是否是ARGV [0]，如果是，那么我应该返回没有日期的最后一列。

require 'mechanize' 
p=Mechanize.new.get('www.alpineascents.com/8000m-peaks.asp').body 
if p.include?('<strong>'+ARGV[0]) 
    puts 'ok' 
end 

我得到以下内容，如果我在html文档的主体中有ARGV [0]，就会打印“ok”。 如何搜索同一行中发现ARGV [0]的最后一列？

例：

<tr> 
<td><strong>GIVE THIS AS A PARAMETER </strong></td> 
<td>SKIP THIS<br /></td> 
<td>SKIP THIS</td> 
<td><div align="center">SKIP THIS</div></td> 
<td>I WANT IT TO RETURN THIS</td> 
</tr> 

我真的很新的红宝石

Answer 1

更多succint版本更多地依靠的XPath的黑魔法:)

require 'nokogiri' 
require 'open-uri' 

doc = Nokogiri::HTML(open('http://www.alpineascents.com/8000m-peaks.asp')) 
last_td = doc./("//tr[td[strong[text()='#{ARGV[0]}']]]/td[5]") 

puts last_td.text.gsub(/.*?;/, '').strip 

Answer 2

我相信这是你想要的（你需要创业板安装引入nokogiri）

require 'nokogiri' 
require 'open-uri' 

doc = Nokogiri::HTML(open('http://www.alpineascents.com/8000m-peaks.asp')) 
rows = doc.search('//table')[6]./('tr') 
rows.shift 
rows.shift 

rows.each do |row| 
    if row.text.include? ARGV[0] 
    puts row./('td')[4].text.gsub(/.*?;/, '').strip 
    end 
end 

Answer 3

第一个错误是什么我看到的是你正在呼叫以下内容：

p=Mechanize.new.get('www.alpineascents.com/8000m-peaks.asp').body

不幸的是，从机械化对象中抓取物体只会返回所有正文文本，就像您在DOCTYPE主体块中找到的那样。

这个信息是相当恼人的解析，所以我会建议做下面的事情。 p=Mechanize.new.get('http://www.alpineascents.com/8000m-peaks.asp')

这将返回一个机械化＃Page对象，你用（http://mechanize.rubyforge.org/Mechanize/Page.html）

与该对象，我们可以简单地进行搜索是通过执行以下nokogiris搜索的发挥;

elems = p.search('tr')

这将返回所有TR元素的引入nokogiri :: XML ::元素，我们可以使用干净漂亮的拿到我们想要的信息。请注意，您可能想要利用IRB中的所有内容来计算出您需要的内容，但这个想法应该从以下几点明确：

elems.first.search('td').last.text这将从第一个tr元素返回最后的td元素文本我们之前搜索过。

如果您有任何问题/希望我澄清随意问。

我一直在机械化的事情已经很长一段时间了。

编辑：

如果您希望能够查找值这个使用一些说法，这是我所想象当你的价值观哈希填补你你会解决这个问题

values = {} 
elems.each do |e| 
    td = e.search('td') 
    values[td.first.text] = td.last.text 
end 

可以执行以下操作：

如果ARG [0] = “珠穆朗玛峰”

然后

> values["Everest"] => "1953; Sir E. Hillary, T. Norgay"