Html 仅解析外部元素

我正在用Nokogiri编写一个刮刀，我想刮刀一个大的HTML文件

目前，我正在刮一张大桌子；下面是一个小片段：

<table id="rptBidTypes__ctl0_dgResults">
    <tr>
      <td align="left">S24327</td>

      <td>
        Airfield Lighting

        <div>
          <div>
          <table cellpadding="5px" border="2" cellspacing="1px" width="100%" bgcolor=
          "black">
              <tr>
                <td bgcolor="white">Abstract:<br />
                This project is for the purchase and delivery, of various airfield
                lighting, for a period of 36 months, with two optional 1 year renewals,
                in accordance with the specifications, terms and conditions specified in
                the solicitation.</td>
              </tr>
            </table>
          </div>
        </div>
      </td>
    </tr>
</table>

不幸的是，这对我不起作用。我只想提取

S24327

，但我得到的是每个表单元格的内容。如何仅提取第一个

td

的内容

---

请记住，在此表下，有许多表行采用相同的格式。

问题在于您的搜索匹配了两种不同的内容：直接嵌套在id为

的表中的
标记和嵌套在父表中的表中的
标记。当您在
文档[1..-1]
中循环时，实际上选择的是第二个
标记，而不是第一个

要仅选择直接子标签，请使用：

document = doc.search("table#rptBidTypes__ctl0_dgResults > tr")

然后，您可以通过以下方式获取
标记的文本：

document.css('td')[0].text   #=> "S24327"

问题是您的搜索匹配了两种不同的内容：直接嵌套在id为rptBidTypes的表中的
标记，以及嵌套在父表中的表中的
标记。当您在
文档[1..-1]
中循环时，实际上选择的是第二个
标记，而不是第一个

要仅选择直接子标签，请使用：

document = doc.search("table#rptBidTypes__ctl0_dgResults > tr")

然后，您可以通过以下方式获取
标记的文本：

document.css('td')[0].text   #=> "S24327"

第一次td的内容将是：

doc.at("table#rptBidTypes__ctl0_dgResults td").text

第一次td的内容将是：

doc.at("table#rptBidTypes__ctl0_dgResults td").text

在CSS中，
table tr
表示
tr
表下的任何位置，包括嵌套表。但是
table>tr
意味着
tr
必须是
表的直接子项

此外，您似乎只需要单元格值，因此不需要迭代。这将为您提供所有此类单元格（每行的第一个）：

在CSS中，
table tr
表示
tr
表下的任何位置，包括嵌套表。但是
table>tr
意味着
tr
必须是
表的直接子项

此外，您似乎只需要单元格值，因此不需要迭代。这将为您提供所有此类单元格（每行的第一个）：

css
实际上给出了所有td，与
search
相同
at
只给出第一个。如果你只想要第一个
td
，不要使用
[0]
，正如@pguardiario指出的那样，使用
at
。
css
实际上给出了所有td，与
搜索
一样
at
只给出第一个。如果你只想要第一个
td
，不要使用
[0]
，使用
at
，正如@pguardiario所指出的。OP不想要第一个，他想要所有匹配的数字。嗯，我刚把问题再读一遍，他似乎想要第一个。你说得对。我假设他想要他例子中的第一个
td
，其他人都喜欢。我仍然认为是这样的，但我可能读得太多了。OP不想要第一个，他想要所有匹配的数字。嗯，我刚刚又读了一遍问题，他似乎要求第一个。你说得对。我假设他想要他例子中的第一个
td
，其他人都喜欢。我仍然认为是这样，但我可能读得太多了。顺便说一句，我会将变量“document”重命名为“rows”。“rows”更好，但“trs”最精确。您想在文档中列出所有此类代码吗？顺便说一句，我会将变量“document”重命名为“rows”。“rows”更好，但是“trs”是最精确的。您想在文档中列出所有这些代码吗？