html如何写入csv,如何将HTML数据导出到CSV文件

删除/忽略不需要的文本不是Nokogiri问题，它是字符串处理问题：

require 'nokogiri'

doc = Nokogiri::HTML(<

li class="object-props-item price"

CHF 14'900.-

61'000 km

EOT

str = doc.at('strong').text # => "CHF 14'900.-"

此时str包含节点的文本。

一个简单的正则表达式将被提取，这是获取数据的直接方式：

str[/[\d']+/] # => "14'900"

sub可用于删除'CHF '子字符串：

str.sub('CHF ', '') # => "14'900.-"

delete可用于删除字符C，H，F和：

str.delete('CHF ') # => "14'900.-"

tr可用于删除非0 .. 9，'，.或-的所有内容：

str.tr("^0-9'.-", '') # => "14'900.-"

如果您不想要'，.或-，请修改上述其中一项。

为什么里程数据不显示

因为CSS选择器与实际的class参数不匹配：

require 'nokogiri'

doc = Nokogiri::HTML('

61'000 km')

doc.at('.mileage').text # =>

# ~> NoMethodError

# ~> undefined method `text' for nil:NilClass

# ~>

# ~> /var/folders/yb/whn8dwns6rl92jswry5cz87dsgk2n1/T/seeing_is_believing_temp_dir20160428-96035-1dajnql/program.rb:5:in `'

相反它应该是：

doc.css('.milage').text # => "61'000 km"

但这并非全是错误的。有一个微妙的问题等着你以后咬你。

css或search返回一个NodeSet，而at或at_css返回一个元素：

doc.css('.milage').class # => Nokogiri::XML::NodeSet

doc.at('.milage').class # => Nokogiri::XML::Element

以下是text传递包含多个匹配节点的NodeSet时会发生什么：

doc = Nokogiri::HTML('

foo

bar

')

doc.search('p').class # => Nokogiri::XML::NodeSet

doc.search('p').text # => "foobar"

doc.at('p').class # => Nokogiri::XML::Element

doc.at('p').text # => "foo"

当text与NodeSet一起使用时，它会返回连接成单个字符串的所有节点的文本。这可能使文本从一个节点与另一个节点分离变得非常困难。相反，使用at或其中一个at_*等效项从单个节点获取文本。如果要单独从每个节点中提取文本并使用数组：

doc.search('p').map(&:text) # => ["foo", "bar"]

最后，请注意您的HTML示例无效：

doc = Nokogiri::HTML(<

li class="object-props-item price"

CHF 14'900.-

61'000 km')

EOT

puts doc.to_html

# >>

# >>

# >>

li class="object-props-item price"

# >> CHF 14'900.-

# >>

# >>

61'000 km')

# >>

以下是发生的事情：

doc = Nokogiri::HTML(<

li class="object-props-item price"

CHF 14'900.-

61'000 km')

EOT

doc.at('.price') # => nil

Nokogiri必须做一个修复才能理解第一行，所以它将它包含在

中。通过这样做，.price类不再存在，因此您的代码将再次失败。

修复标记会产生正确的响应：

doc = Nokogiri::HTML(<

CHF 14'900.-

61'000 km')

EOT

doc.at('.price').to_html # => "

\n CHF 14'900.-\n"

这就是为什么确保您的输入有效非常重要。如果没有它，试图复制你的问题是很困难的。