无法弄清楚如何解析表格行和某些列并导出到 CSV答案

【问题标题】：Can't figure out how to parse table row and certain columns and export to CSV无法弄清楚如何解析表格行和某些列并导出到 CSV
【发布时间】：2012-08-31 16:09:03
【问题描述】：

首先，让我承认我是 Ruby 的新手。我只用了几天，但取得了相当大的成功。我已经能够解析在多个 HTML 文件中单独存在的某些项目并导出为 CSV；但是，我一直在解析多个 HTML 文件上的整个数据表。我能够提取比我需要的更多的内容，但生成的 CSV 导出将每个 HTML 文件的所有数据作为一个数组包含在 CSV 的单个单元格中。

这是我正在查看的数据的简化版本（每页重复大约 20-30 行）：

  <tbody id="threadbits_forum_406"> 
  <tr>
    <td class="alt1" id="td_threadstatusicon_######"> IMG </td> 
    <td class="alt2" align="center" valign="middle"> 
      <a href="http://I.NEED.THIS">
          <div style="height:75px; width:150px; overflow:hidden; background:url(http://I.NEED.THIS/TOO) center 25%;"> </div>
      </a> 
     </td> 
     <td class="alt1" id="td_threadtitle_######" title="blah">[...]</td> 
     <td class="alt2" title="blah"> <div class="smallfont" style="text-align:right; white-space:nowrap"> <a href="dontcare"> </a> </div> </td> 
     <td class="alt1" align="center">[...]</td> 
     <td class="alt2" align="center">[...]</td>
  </tr>

由于列的类被使用了几次，我无法理解使用什么 CSS 或 XPATH 技巧来提取 DIV 中的背景图片以及仅在第二列上的 HREF 链接。 DIV 没有其他列中使用的类。

如果有人能给我一点指导，我将不胜感激！

【问题讨论】：

好吧，我可以通过以下方式获取数据：thread = doc.css('tbody#threadbits_forum_406 tr td.alt2 a').map { |link| link['href'] } thumb = doc.css('tbody#threadbits_forum_406 tr td.alt2 a div') @thread << thread @thumb << thumb 但每个页面的输出都在 CSV 的单个单元格中。我必须遗漏一些东西才能将其分成单独的行......
请编辑您的问题并添加您的 Ruby 代码，以便人们了解您的出发点，以便他们更轻松地为您提供帮助。

标签： html ruby csv html-parsing nokogiri

【解决方案1】：

doc.search('tr td:eq(2)').each do |td|
  puts td.at('a')['href'] # http://I.NEED.THIS
  if td.at('div')['style'] =~ /url\((.+)\)/
    puts $1 # http://I.NEED.THIS/TOO
  end
end

【讨论】：