Html 如何使用Nokogiri使用CSS选择器逐行解析？

我有一个要解析的HTML表。我想向下移动每个并提取href。 HTML如下所示：

table id="classified_table" class="vs-classified-table widget-off top" cellspacing="0" cellpadding="0" border="0">
    <tbody>
    <tr>
    <td id="classified_cell">
    <table class="vs-classified-table widget-off" cellspacing="0" cellpadding="0" border="0">
    <tbody>
    <tr id="vs_classified_73634384" class="classified row1 kiwii-clad-row kiwii-clad-featured">
    <tr id="vs_classified_74530668" class="classified row2 kiwii-clad-row kiwii-clad-featured">
    <tr id="vs_classified_62296263" class="classified row3 kiwii-clad-row kiwii-clad-featured">
    <tr id="vs_classified_62468547" class="classified row4 kiwii-clad-row kiwii-clad-featured">
    <tr id="vs_classified_47122034" class="classified row5 kiwii-clad-row kiwii-clad-featured">
    <tr id="vs_classified_78210646" class="classified row6 kiwii-clad-row">
    <tr id="vs_classified_78207083" class="classified row7 kiwii-clad-row">
    <tr id="vs_classified_69104369" class="classified row8 kiwii-clad-row">
    <tr id="vs_classified_78113204" class="classified row9 kiwii-clad-row">
    <tr id="vs_classified_52761813" class="classified row10 kiwii-clad-row">
    <tr id="vs_classified_78121746" class="classified row11 kiwii-clad-row">
    <tr id="vs_classified_76515548" class="classified row12 kiwii-clad-row">
    <tr id="vs_advert_middle" class="vs-advertisement advertisment-middle-2 vs-adsense-middle-BR-" style="border:none">
    <tr id="vs_classified_34048811" class="classified row13 kiwii-clad-row">

require 'rubygems'
require 'nokogiri'
require 'open-uri'

page = Nokogiri::HTML(open('http://servico-informatica.vivanuncios.com/computador+rio-de-janeiro-capital/'))
rows = page.css('tr#vs_classified_73634384.classified td.summary div a#vs-detail-link-1.kiwii-clear-none')
puts rows.text
#this works

rows [1..10].each do |row|
    puts "this isn't working :("

end

第一次打印成功地打印了第一次打印的文本，但每个循环中的puts不起作用

---

我正在努力抓取的页面是：

我不知道您希望它做什么：

rows [1..10].each do |row|
  puts "this isn't working :("
end

但我很确定它不会像你期望的那样。这实际上被解释为：

rows[1..10].each { ... }

由于作为Nokogiri:：XML:：NodeSet的行只有一个条目，尝试从1开始会得到一个空值；这意味着你实际上只是在说：

some_empty_node_set.each { ... }

这没有任何用处。但是，如果您查看行中的第一个条目，您会发现您要查找的href：

rows[0]['href']
# "http://servico-informatica.vivanuncios.com/..."

---

您还可以查看rows.attr'href'或rows.first['href']，具体取决于口味和适合您的需要。

您只收到一个结果，因为您的css查询正在使用，这意味着它正在页面上查找唯一的元素

因此，您需要修改查询以根据css类查找href

tr.classified td.summary a.classified-link

更新

上面的css路径将获取所有链接，然后您只需遍历数组并使用href和文本执行所需操作

require 'rubygems'
require 'nokogiri'
require 'open-uri'

page = Nokogiri::HTML(open('http://servico-informatica.vivanuncios.com/computador+rio-de-janeiro-capital/'))
links = page.css("tr.classified td.summary a.classified-link")

links.map do |link|
  puts link['href']
  puts link.content
end

---

事实上，nokogiri并不关心规范。如果有两个元素具有相同的id，css将同时返回这两个元素。很公平，它仍然只获取一个元素，因为页面正在创建唯一的id'sso，那么最好的方法是什么？指向tbody，然后创建另一个指向TR的变量，然后循环？我想遍历每个TR并删除文本和链接。指向Nokogiri的最佳方式是什么？在Tbody？你能告诉我怎么做吗？这不起作用只是为了确保我的代码在那之前一直在运行。你对我尝试做什么的猜测并不遥远：我尝试获取文本，以及每个条目的href。你能告诉我用CSS路径选择什么吗？你能举个例子说明你在输出方面想要什么吗？比如你想要一个只包含链接的数组吗？你想要链接中的文本吗？等等。您的HTML示例无效且缺少HREF，并且您尚未指定链接中您感兴趣的HREF。