如何使用 Enlive 从指定标签中抓取数据？

Question

谁能解释我如何从<th> 具有内容值的<td> 标签中抓取内容（实际上在这种情况下，我需要<b> 标签的内容进行匹配操作）“Row1 标题”，但不抓取@ 987654324@ 标签（或其任何内容）正在处理中？这是我的测试 HTML：

<table class="table_class"> 
                    <tbody> 
                       <tr> 
                         <th>
                           <b>
                              Row1 title
                           </b>
                         </th> 
                         <td>2.660.784</td> 
                         <td>2.944.552</td> 
                         <td>Correct, has 3 td elements</td> 
                       </tr> 
                       <tr> 
                         <th>                                
                              Row2 title                                
                          </th> 
                         <td>2.660.784</td> 
                         <td>2.944.552</td> 
                         <td>Correct, has 3 td elements</td> 
                       </tr> 
                    </tbody>
</table>

我要提取的数据应该来自这些标签：

                     <td>2.660.784</td> 
                     <td>2.944.552</td> 
                     <td>Correct, has 3 td elements</td> 

我设法创建了返回表的全部内容的函数，但我想从结果中排除 <th> 节点，并只返回来自 <td> 节点的数据，我可以使用这些内容进行进一步解析.谁能帮我解决这个问题？

Answer 1

有了这样的活动

(ns tutorial.so-scrape
  (:require [net.cgrand.enlive-html :as html])

(defn parse-tds [url] 
 (html/select (html/html-resource (java.net.URL. url)) [:table :td])) 

应该为您提供所有td 节点的序列，格式为{:tag :td :attrs {...} :content (...)}。我不知道 enlive 可以让您直接获取这些节点的内容。我可能是错的。

然后您可以提取序列的内容以获取类似于
(for [line ws-content] (apply str (:content line)))

的内容

关于question you posted yesterday（我假设您仍在使用该页面） - 我在那里给出的解决方案有点复杂 - 但它也很灵活。例如，如果您像这样更改tag-type 函数

(defn tag-type [node]
  (case (:tag node) 
   :td    ::TerminalNode
   ::IgnoreNode)

(将所有节点的返回值更改为::IgnoreNode，:td 除外，那么它只会为您提供:tds 的内容序列，这可能与您想要的很接近。如果您告诉我需要更多帮助。

EDIT（回复下面的 cmets） 我认为仅使用 enlive 无法根据 :content 选择节点 - 但您当然可以使用 Clojure 这样做。

例如，你可以做类似的事情

(for [line ws-content :when (re-find (re-pattern "WHAT YOU WANT TO MATCH") (:content line))]
  (:content line))

可以工作。 （您可能需要稍微调整一下(:content line) 表单......