Ruby Mechanize 屏幕抓取帮助

Question

我正在尝试在表中抓取一行并包含日期。我只想抓取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：

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

"

我想要只刮第三行，即今天的日期。

Answer 1

不要使用 '//td' 循环遍历 标记，而是搜索 标记，仅获取第三个，然后循环'//td'。

Mechanize 在内部使用 Nokogiri，因此使用 Nokogiri 语的操作方法如下：

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

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

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

---

编辑：

表中将会出现更多行。我想要抓取的行始终是倒数第二行。

将这些信息放入您原来的问题中非常重要。您的问题越准确，我们的答案就越准确。