如何使用Enlive从指定标签中抓取数据？

Question

有人可以解释一下如何从 标签中抓取内容，其中 具有内容值（实际上在这种情况下我需要 < 的内容;b> 标签用于匹配操作）“Row1 标题”，但在处理过程中没有抓取 标签（或其任何内容）？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>

我想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> 

我已经设法创建返回表的全部内容的函数，但我想排除 结果中的节点，并仅返回来自 节点的数据，我可以将其内容用于进一步解析。谁能帮我解决这个问题吗？

Answer 1

使用 enlive 这样的东西

(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])) 

应该会给你一个所有 td 节点的序列，其形式为 {:tag :td :attrs {...} :content (...)}。我不知道 enlive 使您可以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
的内容
(for [line ws-content] (apply str (:content line)))

关于问题您昨天发布了（我假设您仍在使用该页面）-我在那里提供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)

（将除 :td 之外的所有节点的返回值更改为 ::IgnoreNode 那么它只是为您提供了 :td 的内容序列，这可能接近您想要的内容，如果您需要更多帮助，请告诉我

（作为回复） 。到下面的评论）
我认为单独使用 enlive 不可能根据 :content 选择节点 - 但你当然可以使用 Clojure 来做到这一点。

例如，你可以做一些类似

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

可以工作的事情。 （您可能需要稍微调整 (:content line) 形式..