Java中XPATH的精确位置

我试图返回精确的XPATH查询表达式，以便使用rapidminer对站点进行数据挖掘。 我需要一个查询来单独隔离每一行：

2012年11月7日星期三

巨魔

999999999999

07.11.12

暗示提交的文件

2012年11月20日星期二下午1:12

到目前为止，我只有

//td[@class='select']/text（）

注意：这些值将更改，因此查询需要特定于位置

对于每个值，六个单独的查询是什么

        <tr>
          <td class="select" onClick="javascript:window.location.href = 'consignmentDetails.do;jsessionid=7e6a45cbddf07ecba7741e5020b4bfe76e53b8f5df9ea83eaf2040b991792d25.e3iMc3eQax8Re34Qb3aKbNmOch90?consignment=1388730000024&recordCreatedBy=FIMS&groupId=';" onMouseOver="backColorChange(this,'FFFFCC')" onMouseOut="backColorChange(this,'ffffff')">
            Wed 7/11/2012<br>
            TROLL&nbsp;
            
          </td>
          <td class="select" align="center" onClick="javascript:window.location.href = 'consignmentDetails.do;jsessionid=7e6a45cbddf07ecba7741e5020b4bfe76e53b8f5df9ea83eaf2040b991792d25.e3iMc3eQax8Re34Qb3aKbNmOch90?consignment=1388730000024&recordCreatedBy=FIMS&groupId=';" onMouseOver="backColorChange(this,'FFFFCC')" onMouseOut="backColorChange(this,'ffffff')">
            9999999999999
            <br>07.11.12
            
            &nbsp;
          </td>
          <td class="select" onClick="javascript:window.location.href = 'consignmentDetails.do;jsessionid=7e6a45cbddf07ecba7741e5020b4bfe76e53b8f5df9ea83eaf2040b991792d25.e3iMc3eQax8Re34Qb3aKbNmOch90?consignment=1388730000024&recordCreatedBy=FIMS&groupId=';" onMouseOver="backColorChange(this,'FFFFCC')" onMouseOut="backColorChange(this,'ffffff')">
             
              
              
                      
                CONNOTE FILE LODGED <br>
                Tue 20/11/2012 1:12 PM
              &nbsp;
            
            
            
&nbsp;
          </td>
          
        </tr>
      
    </table>

2012年11月7日星期三

拖钓
9999999999999

07.11.12
意味着提交的文件

2012年11月20日星期二下午1:12

使用Ruby库（位于libxml2之上，实现XPath 1.0）测试：

xpath=%w{
//tr/td[1]/text（）[1]
//tr/td[1]/text（）[2]
//tr/td[2]/text（）[1]
//tr/td[2]/text（）[2]
//tr/td[3]/text（）[1]
//tr/td[3]/text（）[2]
}
需要“nokogiri”
d=Nokogiri.HTML（HTML）
xpath.each{| expression | pd.at_xpath（expression.content}
#=>“\n 2012年11月7日星期三”
#=>“\n巨魔\u00A0\n\n”
#=>“\n 9999999999\n”
#=>“07.11.12\n\n\u00A0\n”
#=>“\n\n\n\n\n意味着文件已提交”
#=>“\n 2012年11月20日星期二下午1:12\n\u00A0\n\n\n\u00A0\n”

如您所见，文本节点包含许多额外的前导和尾随空格，您可能希望去掉这些空格。我们可以使用以下方法来剥离：

xpath=%w{
规范化空间（//tr/td[1]/text（）[1]）
规范化空间（//tr/td[1]/text（）[2]）
规范化空间（//tr/td[2]/text（）[1]）
规范化空间（//tr/td[2]/text（）[2]）
规范化空间（//tr/td[3]/text（）[1]）
规范化空间（//tr/td[3]/text（）[2]）
}
xpath.each{| expression | pd.xpath（expression）}
#=>“2012年11月7日星期三”
#=>“巨魔\u00A0”
#=> "9999999999999"
#=>“07.11.12\u00A0”
#=>“暗示文件已提交”
#=>“2012年11月20日星期二下午1:12\u00A0\u00A0”