nokogiri + mechanize css selector by text

Question

我是 nokogiri 的新手，到目前为止最熟悉 CSS 选择器，我正在尝试从表格中解析信息，下面是表格的示例和我正在使用的代码，如果语句，因为它似乎返回了表的全部内容。

表：

<div class="holder">
  <div class ="row">
   <div class="c1">
     <!-- Content I Don't need -->
   </div>
   <div class="c2">
    <span class="data">
     <!-- Content I Don't Need -->
    <span class="data">
   </div>
 </div>
 ...
 <div class="row">
  <div class="c1">
   SPECIFIC TEXT
  </div>
  <div class="c2">
   <span class="data">
    What I want
   </span>
  </div>
 </div>
</div>

我的脚本：（如果在表中找到 SPECIFIC TEXT，它会返回每个“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

Answer 1

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，遵循特定文本）。

这就是你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，如果匹配，则返回与第二个查询匹配的所有行，第二个查询具有相同的起点。关键是上面 CSS 选择器中的+，它将返回紧随其后的元素（例如下一个兄弟元素）。当然，我假设下一个元素总是你想要的。

Answer 2

我愿意

require 'nokogiri'

html = <<_
<div class="holder">
  <div class ="row">
   <div class="c1">
     <!-- Content I Don't need -->
   </div>
   <div class="c2">
    <span class="data">
     <!-- Content I Don't Need -->
    <span class="data">
   </div>
 </div>
 <div class="row">
  <div class="c1">
   SPECIFIC TEXT
  </div>
  <div class="c2">
   <span class="data">
    What I want
   </span>
  </div>
 </div>
</div>
_

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"] - 选择具有指定属性且值包含给定子字符串的元素。

• Child Selector (“parent > child”) - 选择“parent”指定的元素的“child”指定的所有直接子元素。

• Next Adjacent Selector (“prev + next”) - 选择所有匹配“next”且紧跟在同级“prev”之前的所有下一个元素。

• Class Selector (“.class”) - 选择具有给定类的所有元素。

• Descendant Selector (“ancestor descendant”) - 选择作为给定祖先的后代的所有元素。