使用Ruby和Nokogiri抓取HTML表格

Question

我正在开发一个项目，从一个包含枪支事故/死亡数据的网站上抓取数据。这是该网站的样子：http://www.gunviolencearchive.org/officer-involved-shootings 我试图获取每个表格行，并使用该行数据创建一个对象（实例？抱歉，我是新手），并将其打印到控制台中。目前，@occurances数组返回26次相同数据的数组。显然，它正在用第一行进行覆盖。您如何建议我存储每个实例？

以下是我的代码，(choice)是网站地址。

 def self.data_from_choice(choice)
        doc = Nokogiri::HTML(open(choice))
        @occurances = []
        doc.xpath("//tr").each do |x|
          date = doc.css("td")[0].text
          state = doc.css("td")[1].text
          city = doc.css("td")[2].text
          deaths = doc.css("td")[4].text
          injured = doc.css("td")[5].text
          source = doc.search(".links li.last a").attr("href").value
          @occurances << {:date => date, :state => state, :city => city, :deaths => deaths, :injured => injured, :source => source}
        end
        puts @occurances
      end

- miranda_

---

这是一个非常重要的主题。你的应用程序对这些数据做了什么？#和平 - max pleaner

欢迎来到SO。请阅读"[mcve]"。重要的是，您的问题必须包含足够的信息，以便其他人可以运行它而无需重写代码或编写包装器。 - the Tin Man

@maxpleaner 现在只是一个项目，所以我可以学习爬虫技术，但是我希望以后能够更多地利用这些数据！ - miranda_

Answer 1

在每行循环中，您调用了doc.css(...)。这会导致每次从文档顶部（即从doc）开始搜索。我认为您想要的是相对于行进行搜索，而这个行信息存储在变量x中。

因此，请将以下内容更改为：

date = doc.css("td")[0].text

转换为：

date = x.css("td")[0].text

同样地，对于state、city等内容也是如此。

- matt

---

谢谢Matt，现在我明白了！ - miranda_