使用 Nokogiri 解析特定 <td> 标记的 HTML答案

【问题标题】：Parsing HTML for specific <td> tags with Nokogiri使用 Nokogiri 解析特定 <td> 标记的 HTML
【发布时间】：2017-02-07 19:42:48
【问题描述】：

我目前正在开发一个 SSL 证书枚举工具，该工具将查询 https://crt.sh 以查找特定网站，并抓取结果以查找子域。我正在使用 Mechanize 以 HTML 格式获取结果页面，并且我需要解析某些特定表数据的响应。以下是一行结果的示例

<tr>
  <td style="text-align:center"><a href="?id=47689622">47689622</a></td>
  <td style="text-align:center">2016-10-22</td>
  <td style="text-align:center">2016-05-21</td>
  <td>*.meta.stackoverflow.com</td>
  <td><a style="white-space:normal" href="?caid=1397">C=US, O=DigiCert Inc, OU=www.digicert.com, CN=DigiCert SHA2 High Assurance Server CA</a></td>
</tr>

我需要一种只提取倒数第二个标签的方法，该标签显然没有附加 id 或类。有没有人有类似的经验？如果是这样，任何提示将不胜感激。我从控制器获取文件的方式如下。

domain = params[:domain_name]
@result = "Retrieving domain information from crt.sh\nSee https://crt.sh/?q=%25#{domain} to validate manually\n\n"
host = ENV["https_proxy"][8..-1].split(":")[0]    
port = ENV["https_proxy"].split(":")[2].chomp("/")

agent = Mechanize.new
agent.user_agent = 'Mozilla/5.0 (compatible; MSIE 10.0; Windows NT 6.1; WOW64; Trident/6.0)'
agent.set_proxy(host, port)
html_doc = Nokogiri::HTML(agent.get("https://crt.sh/?q=%25#{domain}").body, 'UTF-8')

我在 Nokogiri 方面没有太多经验，因为我一个月前才开始学习 Ruby on Rails，直到今天早些时候才需要 Nokogiri。

【问题讨论】：

那么，你想从<a>标签中获取内容吗？
@mr_sudaca 不，我正在尝试获取 *.meta.stackoverflow.com

标签： ruby-on-rails ruby nokogiri

【解决方案1】：

一旦你选择了你可以做的表

table.last_element_child.previous

返回最后一个孩子，然后获取最后一个孩子的前一个兄弟。

https://github.com/sparklemotion/nokogiri/wiki/Cheat-sheet

【讨论】：