使用 Nokogiri 抓取表并需要 JSON 输出答案

<table> <tr> <th>Employee Name</th> <th>Reg Hours</th> <th>OT Hours</th> </tr> <tr> <td>Employee 1</td> <td>10</td> <td>20</td> </tr> <tr> <td>Employee 2</td> <td>5</td> <td>10</td> </tr> </table>

【解决方案1】：

我认为一般的做法是：

为每个以员工为键的表创建一个哈希
将两个表的结果合并在一起
转换为 JSON

为每个以员工为键的表创建一个哈希

这部分你可以在 Watir 或 Nokogiri 中完成。仅当 Watir 由于大表而导致性能不佳时，才有意义使用 Nokogiri。

女仆：

#I assume you would have a better way to identify the tables than by index
hours_table = browser.table(:index, 0)
wage_table = browser.table(:index, 1)

#Turn the tables into a hash
employee_hours = {}
hours_table.trs.drop(1).each do |tr| 
    tds = tr.tds
    employee_hours[ tds[0].text ] = {"Reg Hours" => tds[1].text, "OT Hours" => tds[2].text}     
end
#=> {"Employee 1"=>{"Reg Hours"=>"10", "OT Hours"=>"20"}, "Employee 2"=>{"Reg Hours"=>"5", "OT Hours"=>"10"}}

employee_wage = {}
wage_table.trs.drop(1).each do |tr| 
    tds = tr.tds
    employee_wage[ tds[0].text ] = {"Revenue" => tds[1].text}   
end
#=> {"Employee 2"=>{"Revenue"=>"$10"}, "Employee 1"=>{"Revenue"=>"$50"}}

Nokogiri：

page = Nokogiri::HTML.parse(browser.html)

hours_table = page.search('table')[0]
wage_table = page.search('table')[1]

employee_hours = {}
hours_table.search('tr').drop(1).each do |tr| 
    tds = tr.search('td')
    employee_hours[ tds[0].text ] = {"Reg Hours" => tds[1].text, "OT Hours" => tds[2].text}     
end
#=> {"Employee 1"=>{"Reg Hours"=>"10", "OT Hours"=>"20"}, "Employee 2"=>{"Reg Hours"=>"5", "OT Hours"=>"10"}}

employee_wage = {}
wage_table.search('tr').drop(1).each do |tr| 
    tds = tr.search('td')
    employee_wage[ tds[0].text ] = {"Revenue" => tds[1].text}   
end
#=> {"Employee 2"=>{"Revenue"=>"$10"}, "Employee 1"=>{"Revenue"=>"$50"}}

将两个表的结果合并在一起

您希望将两个哈希值合并在一起，这样对于特定员工，哈希值将包括他们的工作时间和收入。

employee = employee_hours.merge(employee_wage){ |key, old, new| new.merge(old) }
#=> {"Employee 1"=>{"Revenue"=>"$50", "Reg Hours"=>"10", "OT Hours"=>"20"}, "Employee 2"=>{"Revenue"=>"$10", "Reg Hours"=>"5", "OT Hours"=>"10"}}

转换为 JSON

基于此previous question，您可以将哈希转换为 json。

require 'json'
employee.to_json

【讨论】：

感谢您的回复。我进行了以下更改： hours_table = browser.tr(:xpath, '//*[@id="tblReportItems"]/tbody/tr[1]') 因为看起来表格 ID 现在已经消失了。不过，现在从 water-webdriver 获取“未定义的方法‘哈希’错误”。
hashes 是为表定义的，而不是 trs。换句话说，您需要确保hours_table 仍然是一个表。根据您建议的更改，您应该可以执行hours_table = browser.table(:id => 'tblReportItems')。
我明白了……但该表 ID 是用于一个包罗万象的表。我需要的表在该表中（没有 ID）。尝试您的 nokogiri 示例，我收到“文本”的未定义方法错误。
您是否更改了hours_table 和wage_table 以指向正确的表？这两种解决方案都被硬编码到页面上的第一个/第二个表中。您需要更新它们以处理您的特定表格（因为我不知道您页面的 html 是什么样的）。
我做到了；我需要的桌子分别是第五和第六。不过，我仍然收到“文本”的“无方法”错误。