引入nokogiri：解析HTML表的没有开放标签

Question

行我需要解析的HTML表这样的格式：

require 'nokogiri' 

html_table = '<table> 
    <tbody> 
     <tr> 
      <td>Some text in the first row!</td> 
      <td>More text in the first row!</td> 
     </tr> 
     <td>Some text in the second row!</td> 
     <td>More text in the second row!</td> </tr> 
     <td>Some text in the third row!</td> 
     <td>More text in the third row!</td> </tr> 
    </tbody> 
</table>' 

正如你所看到的，最后两行没有开<tr>标签。当我试图让使用puts Nokogiri::HTML(html_table).css('table tr')所有三排，代码清理和最后两行成为td节点：

<tr> 
    <td>Some text in the first row!</td> 
    <td>More text in the first row!</td> 
</tr> 

我已经在网络上找到一些方法来解决这个问题的时候没有关闭标签</tr>，但不是相反。 有没有简单的方法来解决这个使用Nokogiri？

Answer 1

我认为这是由于Nokogiri解析错误。 一个可能的解决方案是使用Nokogumbo宝石，它可以扩大nokogiri的解析能力。

gem install nokogumbo 

比而不是使用引入nokogiri你使用： 通过安装此

require 'nokogumbo'# nokogumbo will also load Nokogiri, so no need to put: require 'nokogiri' 
Nokogiri::HTML5(source_code).css('table tr').each do |row| 
    p row 
end 

请注意，您必须从网站，并有正确的标签在任何地方使用的源代码。您可以按如下方式使用网站的源代码，但它要求在课程页面上只有一个表格。

require 'open-uri' 
source_code = open('http://www.url_to_website_I_want_to_parse.com') 

确保您在开始偏离航向声明变量source_code。