我正在尝试使用该表的 XPath 从表中获取一些值，但它只返回 []（空）：
require 'nokogiri'
require 'open-uri'
url = "http://riopretrans.com.br/linhas.php?ln=106"
doc = Nokogiri::HTML(open(url))
doc.xpath("html/body/table[1]/tbody/tr[2]/td/table/tbody/tr/td/table/tbody/tr[2]/td/div/table[1]/tbody/tr[3]/td/div/div/center/font/table").each do |lines|
puts lines.content
end
我使用 Firebug 找到了表的 XPath，所以我认为它是正确的。
谁能帮帮我？
【问题讨论】：
标签： ruby xpath web-scraping nokogiri
从 XPath 中删除 tbody/。
tbody 标签是table 标签的 HTML 规范的一部分，但它很少在 HTML 中实际实现。一些浏览器会插入它，尽管它不在页面的 HTML 中。 Firebug 然后看到它，你看到了，并且认为它一定是这样。
即使使用“查看源代码”也会让您感到困惑，因为您希望这是准确的，但浏览器已经将内容修改为包含“tbody”，所以，好吧，基本上他们在骗您。
您可以通过查看 Nokogiri 获得的 HTML 来确认这一点。使用puts doc.to_html['tbody'] 看看你得到的是"tbody" 还是nil。
...因为在 html 文件中所有这些都是指定的（由程序员编写）
如果您确定它们确实属于那里，因为它们存在于 HTML 源代码中，那么您需要拆开您的 XPath。从宽泛的路径开始，然后慢慢添加以缩小搜索范围。
我现在无法访问服务器，所以我无法确认这一点，或者深入研究层次结构应该是什么，并展示一个示例。 （这就是为什么在你的问题中给我们真正的 HTML 比一个可能不起作用的链接要好得多。）
另一种方法是使用 XPath 的 //（在任何地方搜索）和限制较少的路径或 CSS 选择器。无论哪种方式，实际检查 HTML，而不是依赖 Firebug 的 XPath，并确定可以在源代码中使用哪些“地标”来导航到所需的表。今天的 HTML 充满了id 和class 参数，或者是一系列特定的标签，它们充当您想要的表格的指纹。搜索确定该表所需的最小值。
如果表格类似于<table id="foo">，则使用doc.at('table#foo')。如果它在<div class="bar"><table> 中，请使用doc.at('div.bar table')。在任何情况下，使用完成工作所需的最小访问器。如果将来 HTML 中的任何内容发生变化，这将增加您成功的机会。
【讨论】：
table#foo 和'div.bar table' 很有趣。你能给我一个我可以看到这种短手牌的来源吗？