带有CSS问题的刮表

Question

我对一个html表的抓取有个问题。下面是链接：https://www.basketball-reference.com/players/c/curryst01/gamelog/2016 (是的，这是一个著名的Ruby入门教程)。以下是与此相关的代码：

doc = Nokogiri::HTML.parse(open(link))

# Get the biggest table 
big_table = doc.css("table").sort { |x,y| y.css("tr").count <=> x.css("tr").count }.first

# Number of rows is 87, but there are 5 heads that I wanna remove   
big_table.css("tr").count

# This doesn't remove heads 
big_table = big_table.select { |row| row.css("th").empty? }

事实上，在HTML中(我对HTML一无所知，从4小时起就在Ruby中)，th是标头的标记，td是标准单元格，tr只是一行。目标是删除标题，以便如果节点集(nodeset类似于标记的内容？)返回.empty。是空的，这最后一行代码应该只返回tr元素。但它不起作用，实际上结果是[]。

相反，我注意到：big_table.select{|row| row.css("td").empty?}.count等于.所以，我决定：

big_table = big_table.select{|row| row.css("td").any?}和它工作得很好..。

我的问题是:为什么这条线行得通？为什么第一次尝试失败了？也许是HTML结构中我遗漏了什么..。

谢谢！

Answer 1

让我们来看看big_table

> big_table.class
 => Nokogiri::XML::NodeSet

> big_table.size
 => 1

因此，首先，对Enumerable#select执行big_table可能不是您所期望的。如果您捕获的是行：

> rows = big_table.css("tr")
> rows.count
 => 87

现在，您可以对行执行select。让我们取一个任意行，看看它包含了什么：

> rows[2].css("td").count
 => 29

> rows[2].css("th").count
 => 1

因此，一个典型的行有29个td元素和一个th。实际上，每一行至少有一个th，这就是为什么css("th").empty?没有返回任何内容。相反，所有标题行都不包含任何td元素，这就是为什么您尝试的内容有效的原因。