Ruby 刮削轨迹表

我正试着从一张唱片上抓取一张曲目表。我的相关代码是：

page.css('ol').each do |line|
  subarray = line.text.strip.split(" - ")
end

这使得数组将第一个艺术家放入第一个索引（如我所愿），但将曲目和曲目2的艺术家添加到第二个索引中，如下所示：

subarray[0] = Rick Wilhite
subarray[1] = Magic Water [Still Music]
Edward
subarray[2] = Into A Better Future [Giegling]
Kassem Mosse
subarray[3] = Zolarem [Mikrodisko Recordings]
After Hours

  <li>Rick Wilhite...</li>
  <li>Edward...</li>
  ...
  <li>Klara Lewis...</li>

我包含了嵌套标记，因此我的代码如下所示：

page.css('ol li').each do |line|
  subarray = line.text.strip.split(" - ")
end

但这似乎只剩下

子阵列[0]

显示

“Klara Lewis”

和

子阵列[1]

显示

“Shine[Editions Mego]”

，这是曲目列表上的最后一首曲目。所有其他索引值均为空

更复杂的是，我想从最终成为曲目值的内容中删除唱片标签。我相信正确的正则表达式是

\[\d\d]*？\]

，但我的印象是，在数据进入数组之前需要应用正则表达式，以避免在数组上迭代所涉及的复杂性。我尝试将其作为第二个分隔符传递给拆分（以及

'-'

），但该分隔符不起作用，我还尝试将代码更改为：

page.css('ol').each do |line|
  subarray = line.text.strip.split("\[[\d\D]*?\]")
end

---

但这似乎也不起作用。有人能在这方面帮助我或给我正确的建议吗？

以下是发生的情况：

page.css（'ol'）

为您提供整个

以及每个

标记：

<ol>
  <li>Rick Wilhite...</li>
  <li>Edward...</li>
  ...
  <li>Klara Lewis...</li>
</ol>

这一次，您将在循环中运行17次，每个

标记运行一次。第一次通过，

.split（“-”

应用于文本并存储在

子数组

变量中。问题是下次通过循环时，

子数组

被第二个

的拆分文本覆盖。因此，在最后一次遍历之后，

子数组

变量的唯一内容是最终

的拆分文本：“Klara Lewis”和“Shine[Editions Mego]”

---

我认为您已经大致了解了如何从网站上抓取内容，但我建议您以更渐进的方式构建脚本，这样您就可以准确地了解每一步的操作。例如，使用

put

检查

page.css（'ol'）

提供了什么，以及它与

page.css（'ol li'）

的区别。当它通过一个循环时会发生什么？应用

.split（）

时会得到什么？慢慢来，四处探索，确保你明白自己在做什么，这将帮助你避免陷入死胡同。希望有帮助

绝对正确，伙计，现在完全明白，让它工作！！非常感谢！