Css Nokogiri返回空数组

我在擦屏幕

我尝试使用CSS和XPath来获取网站中表格的降水预测部分

它们都不在我的程序中工作，因为它们返回空数组，但是，它们都在Chrome开发工具中工作（Inspect element->console->$$用于CSS，x用于Xpath）

为什么会这样？它与名称空间有关吗

require 'open-uri'
require 'nokogiri'
foo = Nokogiri::HTML(open("http://www.weather.com/weather/hourbyhour/l/INXX0202:1:IN"))
foo.remove_namespaces!
p foo.xpath("//section[@data-ng-class]/p[@class='precip weather-cell ng-isolate-scope']/span[@data-ng-if]") # returns []
p foo.css("section[data-ng-class] p[class='precip weather-cell ng-isolate-scope'] span[data-ng-if]")  # returns []

这里是我试图从中获取数据的地方。我想要的是标题“Precip”下的数字（如图中的85100100,95,80,70,45,40）

我将页面的HTML复制到一个本地HTML文件中，并让我的程序访问该文件。然后程序给了我所需的输出，但当我让同一程序使用OpenUri访问网站时，它返回一个空数组：

require 'open-uri'
require 'nokogiri'
foo = open("http://www.weather.com/weather/hourbyhour/l/INXX0202:1:IN")
nokogirifoo = Nokogiri::HTML(foo)
p nokogirifoo.xpath("//section[@data-ng-class]/p[@class='precip weather-cell ng-isolate-scope']/span[@data-ng-if]") # => empty array

bar = File.open('weather.html') # weather.html is just the html code of the page copied into a local file
nokogiribar = Nokogiri::HTML(bar)
p nokogiribar.xpath("//section[@data-ng-class]/p[@class='precip weather-cell ng-isolate-scope']/span[@data-ng-if]").text # => "85%100%100%95%80%70%45%40%" (this is what I need)

以下是HTML的一个片段（显示的部分嵌套在网站的多个标记中）：

上午9:30
11月20日，星期五
28°C

Feels34°

雷暴
85%

85%


ESE 9公里/小时

问题在于，您正在使用浏览器查看页面，该页面除了实现HTML解析器外，还具有嵌入式JavaScript解释器。浏览器在为用户呈现页面之前查找并处理任何JavaScript

标记，加载和调整元素。这就是你想要的页面中发生的事情。像Nokogiri这样的解析器不是浏览器，也不关心嵌入的脚本，因为在HTML中，脚本只是特定标记中的文本，因此，您想要的第二个HTML永远不会被检索到

你说你把HTML保存到了一个文件中，但是你没有说你是如何保存的。我猜，因为保存的HTML包含您想要的信息，所以它是使用浏览器保存的

在处理web页面时，第一步是确定页面是使用动态HTML和/或JavaScript还是静态HTML。关闭浏览器中的JavaScript，然后加载URL。或者，您可以从命令行中使用

wget

或

curl

检索页面并使用编辑器查看。在这两种情况下，您是否看到了所需的内容？如果是这样的话，那么很有可能在检索到Nokogiri这样的解析器后就可以使用它了。如果没有，那么您必须使用能够解释JavaScript、处理加载的信息，然后将其传递给解析器的东西

PhantomJS和Watir等工具可以帮助您，或者相反，可以找到一个天气服务，它允许您使用API检索数据，而无需进行刮取，因为刮取总是非常脆弱的

还可以找出JavaScript用于检索数据的URL，然后请求辅助资源并对其进行解析。它可能是HTML，也可能是JSON，其中包含JavaScript处理的数据，然后动态构建整个表

关于堆栈溢出，有许多问题和答案正在讨论如何实现上述所有功能

总之，一旦你得到了你想要的HTML，你可以很容易地减少那些值所需的CSS选择器。每个值都包装在一个具有类的

标记中，因此使用该类查找值

require 'nokogiri'
doc = Nokogiri::HTML(<<EOT)

    <section class="wxcard-hourly summary-view ng-isolate-scope last" data-ng-class="{'last': $last}" data-wxcard-hourly="hour" data-wxcard-hourly-methods="hourlyScope" data-hours-index="hoursDataIndex" data-show-wx-labels="false" data-details-view="false">
        <div class="heading weather-cell" data-ng-switch="dataMethods.checkTime(data.getForecastLocalDate())">
            <h2>

          <span class="wx-dsxdate ng-binding ng-scope" ng-bind-template=" 9:30 am" data-dsxdate="" data-ng-switch-when="min" data-datetime="data.getForecastLocalDate()" data-timezone="locTz" data-format="'h:mm a'"> 9:30 am</span>
            </h2>
        <span class="sub-heading wx-hourly-date wx-dsxdate ng-binding ng-scope" ng-bind-template=" Fri, Nov 20" data-dsxdate="" data-datetime="data.getForecastLocalDate()" data-timezone="locTz" data-format="'EEE, MMM d'"> Fri, Nov 20</span>
        </div>
        <p class="hi-temp temp-1 weather-cell ng-isolate-scope" data-wx-temperature="data.getTemp()" data-show-temp-unit="hoursIndex === 0"> <span data-ng-if="hasValue()" data-ng-bind="temp" class="ng-binding ng-scope">28</span><sup data-ng-if="hasValue()" class="deg ng-scope">°</sup><sup class="temp-unit ng-binding ng-scope" data-ng-if="showTempUnit" data-ng-bind="tempUnit()">C</sup>
    </p>
        <p class="feels-like temp-2 weather-cell ng-isolate-scope" data-wx-temperature="data.getFeelsLike()" data-temp-prefix="Feels"><span ng-if="tempPrefix" class="temp-prefix ng-binding ng-scope" data-ng-bind="tempPrefix">Feels</span><span data-ng-if="hasValue()" data-ng-bind="temp" class="ng-binding ng-scope">34</span><sup data-ng-if="hasValue()" class="deg ng-scope">°</sup>
    </p>
        <div class="weather-cell">
            <h3 class="weather-phrase">
                <div class="weather-icon ng-isolate-scope wx-weather-icon" data-wxicon="" data-sky-code="data.getSkyCode()"><div class="svg-icon"><img src="/sites/all/modules/custom/angularmods/app/shared/wxicon/svgz/thunderstorm.svgz?1" aria-hidden="true" alt="thunderstorm"></div></div>

                <span class="phrase ng-binding" data-ng-bind-template="Thunderstorms">Thunderstorms</span>
            </h3>
        </div>
        <!-- The Next Line Is What I Need-->
        <p class="precip weather-cell ng-isolate-scope" data-wx-precip="dataMethods.roundedValue(data.getChanceOfPrecipDay())" data-wx-precip-type="data.getPrecipType()" data-wx-precip-sky-code="data.getSkyCode()"><span aria-hidden="true" class="wx-iconfont-global wx-icon-precip-rain-1"></span><span data-ng-if="!wxPrecipIconOnly" class="precip-val ng-binding ng-scope" data-ng-bind="chanceOfPrecip() | safeDisplay">85%</span></p>

        <p class="humidity-wrapper weather-cell">
          <span data-ng-bind-template="85%" class="humidity ng-binding ng-isolate-scope" data-wx-percentage="data.getHumidity()">85%</span>
        </p>

        <p class="wind-conditions weather-cell">
            <span class="wx-wind ng-binding ng-isolate-scope" data-ng-bind-template="ESE 9 km/h" data-wx-wind-direction="data.getWindDirectionText()" data-wx-wind-speed="data.getWindSpeed()">ESE 9 km/h</span>
        </p>
    </section>
EOT

at

查找第一个匹配节点并返回它<代码>文本检索其文本节点

您希望该类具有多个节点，因此类似这样的内容应该会有所帮助：

doc.search('.precip-val').map(&:text) # => ["85%"]

search

查找所有匹配的节点并返回节点集，该节点集类似于数组，可以使用

map

进行迭代

他们不太可能将

.precip val

用于非沉淀标记包装值，但如果他们使用了，请尝试：

doc.search('span.precip-val').map(&:text)

---

然后看看你能得到什么。

欢迎来到Stack Overflow。请不要要求我们去一个网站，通过HTML挖掘；您需要提取演示您正在使用的内容所需的最小HTML，并将其放入您的问题中。请为我们提供一个您希望收集的数据示例。请读“。使用短选择器比使用长选择器更容易定位数据。把它分成小块，看看你是否能用这种方法获取数据。@theTinMan感谢你的输入。请看我编辑的帖子。为了精确起见，我的选择器有点长，只提取我需要的数据。然而，话虽如此，我将寻找更短、更好的方法来获得相同的数据。我试着分解选择器，但也没用。

doc.search('.precip-val').map(&:text) # => ["85%"]

doc.search('span.precip-val').map(&:text)