Ruby Mechanize 屏幕抓取帮助答案

【问题标题】：Ruby Mechanize screen scraping helpRuby Mechanize 屏幕抓取帮助
【发布时间】：2011-02-14 22:11:38
【问题描述】：

我正在尝试在带有日期的表格中刮下一行。我只想抓取具有今天日期的第三行。

这是我的机械化代码。我正在尝试选择具有今天日期及其列的列行女巫：

agent.page.search("//td").map(&:text).map(&:strip)

Output:
"11-02-2011", "1", "1", "1", "1", "0", "0,00 DKK", "0,00", "0,00 DKK", 
"12-02-2011", "5", "5", "1", "4", "0", "0,00 DKK", "0,00", "0,00 DKK", 
"14-02-2011", "1", "3", "1", "1", "0", "0,00 DKK", ",00", "0,00 DKK",
"7", "9", "3", "6", "0", "0,00 DKK", "0,00", "0,00 DKK

我只想抓取今天日期的第三行。

【问题讨论】：

标签： ruby-on-rails ruby mechanize

【解决方案1】：

与其使用'//td' 循环遍历<td> 标签，不如搜索<tr> 标签，仅获取第三个标签，然后遍历'//td'。

Mechanize 在内部使用 Nokogiri，以下是 Nokogiri-ese 中的操作方法：

html = <<EOT
<table>
<tr><td>11-02-2011</td><td>1</td><td>1</td><td>1</td><td>1</td><td>0</td><td>0,00 DKK</td><td>0,00</td><td>0,00 DKK</td></tr>
<tr><td>12-02-2011</td><td>5</td><td>5</td><td>1</td><td>4</td><td>0</td><td>0,00 DKK</td><td>0,00</td><td>0,00 DKK</td></tr>
<tr><td>14-02-2011</td><td>1</td><td>3</td><td>1</td><td>1</td><td>0</td><td>0,00 DKK</td><td>,00</td><td>0,00 DKK</td></tr>
</table>
EOT

require 'nokogiri'
require 'pp'

doc = Nokogiri::HTML(html)

pp doc.search('//tr')[2].search('td').map{ |n| n.text }

>> ["14-02-2011", "1", "3", "1", "1", "0", "0,00 DKK", ",00", "0,00 DKK"]

使用附加到 Mechanize 的 agent.page 的 .search('//tr')[2].search('td').map{ |n| n.text }，如下所示：

agent.page.search('//tr')[2].search('td').map{ |n| n.text }

我玩Mechanize已经有一段时间了，所以它也可能是agent.page.parser...。

编辑：

表格中会出现更多行。我要刮的行总是倒数第二行。

将这些信息放入您的原始问题中很重要。您的问题越准确，我们的回答就越准确。

【讨论】：

非常感谢。问题是表格中会有更多的行。我要刮的行总是倒数第二行。
我如何抓取倒数第二行:)？
找到答案了:) agent.page.search('//tr')[-2].search('td').map{ |n| n.text }
@Rails 初学者：“agent.page.search('//tr')[-2].search('td').map{ |n| n.text }”。是的。很好！