html如何写入csv,如何HTML数据导出为CSV文件

删除/忽略不需要的文本是不是一个引入nokogiri问题，这是一个字符串处理的问题：

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提取，这是为了获取数据的直接方式：

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

sub可以用来除去'CHF '子：

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

delete可用于除去字符C,H,F和：

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

tr可以用来去除一切不是0 .. 9，'，.或-：

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

修改上面的一个，如果你不想'，.或-做。

为什么的里程不显示

的数据，因为你的CSS选择器和实际class参数之间的不匹配：

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"

但这并不全是错的。有一个微妙的问题等待你咬你。

css或search返回一个节点集而at或at_css返回一个元素：

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

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

下面是当text传递包含多个匹配的节点一个节点集会发生什么：

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"

当使用text使用NodeSet，它将所有节点的文本连接成单个字符串。这可能会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_*等价物可从单个节点获取文本。如果你想单独提取每个节点的文本，并得到一个阵列中使用：

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

最后，注意你的HTML示例是无效的：

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')

# >>

这里发生了什么：

doc = Nokogiri::HTML(<

li class="object-props-item price"

CHF 14'900.-

61'000 km')

EOT

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

引入nokogiri已经做了修复行动，使第一线的感觉，所以它包装在

。通过这样做，.price类不再存在，因此您的代码将再次失败。

固定的标签结果的正确响应：

doc = Nokogiri::HTML(<

CHF 14'900.-

61'000 km')

EOT

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

\n CHF 14'900.-\n"

这就是为什么它，以确保您的输入有效真的很重要。没有它，试图复制你的问题是困难的。