Html 为什么每个表行都有一条空白记录？

由于另一个SO问题/答案，我有以下代码：

page = agent.page.search("table tbody tr").each do |row|
  time        = row.css("td:nth-child(1)").text.strip
  source      = row.css("td:nth-child(2)").text.strip
  destination = row.css("td:nth-child(3)").text.strip
  duration    = row.css("td:nth-child(4)").text.strip
  Call.create!(:time => time, :source => source, :destination => destination, :duration => duration)
end

它工作得很好，当我运行rake任务时，它会将数据正确地放入Rails应用程序中的正确表行中，然而，由于某种原因，在成功地为一行创建记录之后，它也会创建一条空白记录

我想不出来。从代码的外观来看，它发出了

create每行中的命令

您可以在和处看到完整的rake任务
导致此代码的另一个问题是“.”
根据注释：

我想你可能是对的，我已经在远程网页上查看了HTML，他们正在为每个分配了类的表行添加一个包装。我想知道是否有办法让脚本跳过空行

如果您看到的HTML结构如下：

<table>
  <tbody>
    <tr>
      <tr>
        <td>time</td>
        <td>source</td>
        <td>destination</td>
        <td>duration</td>
      </tr>
    </tr>
  </tbody>
</table>

<> P>获取空白行的原因是HTML格式错误。外面的
不应该在那里。修复很简单，而且可以使用正确的HTML

此外，内部
css
访问并不十分正确，但其原因很微妙。我会说的

要解决第一个问题，我们将添加一个条件测试：

page = doc.search("table tbody tr").each do |row|

变成：

page = doc.search("table tbody tr").each do |row|
  next if (!row.at('td'))

运行后，输出现在为：

{:time=>"time",
 :source=>"source",
 :destination=>"destination",
 :duration=>"duration"}

这就是解决问题所需的全部内容，但代码中有一些内容是以艰难的方式进行的，这需要一些“splainin”，但首先是代码更改：

发件人：

改为：

time, source, destination, duration = row.search('td').map{ |td| td.text.strip }

运行该代码将输出您想要的：

{:time=>"time",
 :source=>"source",
 :destination=>"destination",
 :duration=>"duration"}

所以事情还是很好

您的原始代码存在以下问题：

css
是
search
的别名。Nokogiri为这两个节点返回一个节点集
text
将从一个空节点集返回一个空字符串，您可以从查看外部
的
行.css（“td:nth child（…）”）.text.strip调用中得到该空字符串。所以，Nokogiri没有默默地做你想做的事情，因为它在语法上是正确的，在逻辑上也是正确的，因为你告诉它要做什么；它只是没有达到你的期望

使用
at
，或其别名之一，如
css\u at
，查找第一个匹配的访问器。因此，理论上，我们可以继续使用
row.at（“td:nth child（1）”）.text.strip
，为每个访问者分配多个任务，这会立即暴露出HTML有问题，因为
text
会爆炸。但这还不够像禅宗

相反，我们可以使用
map
对节点集中返回的单元格进行迭代，让它收集所需的单元格内容并将其剥离，然后对变量执行并行赋值：

time, source, destination, duration = row.search('td').map{ |td| td.text.strip }

同样，运行以下命令：

require 'nokogiri'
require 'pp'

html = '<table><tbody><tr><tr><td>time</td><td>source</td><td>destination</td><td>duration</td></tr></tr></tbody></table>'
doc = Nokogiri::HTML(html)
page = doc.search("table tbody tr").each do |row|
  next if (!row.at('td'))

  time, source, destination, duration = row.search('td').map{ |td| td.text.strip }

  hash = {
    :time        => time,
    :source      => source,
    :destination => destination,
    :duration    => duration 
  }
  pp hash
end

将其改装到您的代码中，您将获得：

page = agent.page.search("table tbody tr").each do |row|
  next if (!row.at('td'))
  time, source, destination, duration = row.search('td').map{ |td| td.text.strip }
  Call.create!(:time => time, :source => source, :destination => destination, :duration => duration)
end

您可能不需要
页面=
我怀疑HTML中有某种东西导致了中间循环，但没有填充值，例如没有内容的附加行。我认为您可能是对的，我查看了远程网页上的HTML，他们正在为分配了类的每个表行添加一个包装。我想知道是否有办法让脚本跳过空行？添加一个HTML示例，其中包含两行和单元格。那我们就可以解决问题了。没有这些，我们只是猜测。确保。看看下面我的答案。哇，写得好-谢谢！我现在要好好读一遍，试试你的建议。
time, source, destination, duration = row.search('td').map{ |td| td.text.strip }

require 'nokogiri'
require 'pp'

html = '<table><tbody><tr><tr><td>time</td><td>source</td><td>destination</td><td>duration</td></tr></tr></tbody></table>'
doc = Nokogiri::HTML(html)
page = doc.search("table tbody tr").each do |row|
  next if (!row.at('td'))

  time, source, destination, duration = row.search('td').map{ |td| td.text.strip }

  hash = {
    :time        => time,
    :source      => source,
    :destination => destination,
    :duration    => duration 
  }
  pp hash
end

{:time=>"time",
 :source=>"source",
 :destination=>"destination",
 :duration=>"duration"}

page = agent.page.search("table tbody tr").each do |row|
  next if (!row.at('td'))
  time, source, destination, duration = row.search('td').map{ |td| td.text.strip }
  Call.create!(:time => time, :source => source, :destination => destination, :duration => duration)
end