我正在尝试使用Haskell和Text.XML.Cursor包解析HTML页面。我的目标是返回列表中的第三列值。我花了最后4个小时尝试使其正常运行。但是，似乎我无法理解XPath和Text.XML.Cursor在概念上如何工作。
因此任务是：
在文档中的某处找到<table class="forumTable">标记
对于其中的每个<tr>标签，请使用第三个<td>标签
单元格内有一个<a>标记，我要将其添加到列表中。不是content属性，而是href和<a>之间的值
具体来说，我正在解析this link，并且尝试获取带有论坛名称（主题之后的下一个）的列的值。
据我所知。似乎正在返回表内</a>标记的所有内容
findNodes :: Cursor -> [Cursor]
findNodes = element "table" >=> attributeIs "class" "forumTable" &// element "tr" &/ element "td" &/ element "a" >=> child
extractData = T.concat . content
...
let cursor = fromDocument $ parseLBS $ simpleHTTP "http://www.sql.ru/forum/sqlru-3-days/2"
let lines = cursor $// findNodes &| extractData
我正在寻找解决我的问题的方法，并寻求这一切如何工作的解释。谢谢。
最佳答案
我知道了！
考虑以下输入文件：
<html>
<head>
<title>Haskell XML Parsing Example</title>
</head>
<body>
<table class="forumTable">
<tbody>
<tr>
<td> <a href="#1">1</a> </td>
<td> <a href="#2">2</a> </td>
<td> <a href="#3">3</a> </td>
<td> <a href="#4">4</a> </td>
</tr>
<tr>
<td> <a href="#5">5</a> </td>
<td> <a href="#6">6</a> </td>
</tr>
<tr>
<td> <a href="#7">7</a> </td>
<td> <a href="#8">8</a> </td>
<td> <a href="#9">9</a> </td>
<td> <a href="#10">10</a> </td>
<td> <a href="#11">11</a> </td>
</tr>
</tbody>
</table>
</body>
</html>
和Haskell代码：
{-# LANGUAGE OverloadedStrings #-}
import qualified Data.Text.IO as T
import Text.XML.Cursor
import Text.XML
select3rd :: Name -> Axis
select3rd name =
helper . (child >=> element name)
where
helper (_:_:x:_) = [x]
helper _ = []
findNodes :: Cursor -> [Cursor]
findNodes =
element "table" >=> attributeIs "class" "forumTable"
&// element "tr" >=> select3rd "td"
&/ element "a"
main :: IO ()
main = do
doc <- Text.XML.readFile def "res/test.html"
let cursor = fromDocument doc
mapM_ T.putStrLn (cursor $.// findNodes &/ content)
在了解所有这些运算符（
$.//，&/等）的工作方式之前，需要花费一些时间，但是在阅读了documentation几次并将它们一起使用之后，情况会变得更好。另外，建议您仔细阅读解释Cursor和Axis是什么的部分。上面的代码按如下方式工作（按惯例）。首先，使用提供的库函数将
main和cursor放入文档的根目录。然后我们一起组成cursor，findNodes和content。运算符$.//表示findNodes必须在当前游标（cursor）及其所有后代的上下文中运行。换句话说，这只是意味着findNodes将可以访问整个HTML树。试试看，并使用$/代替$.//。您会注意到，findNodes不会使用<table>找到element "table"元素，因为<table>不在<html>下方（这是cursor当前指向的位置）。然后，在findNodes中，我们使用element "table"运算符组成attributeIs "class" "forumTable"和>=>，因为右侧（rhs）的函数必须在左侧（lhs）返回的Axis上执行。之后，我们使用
&//运算符过滤<tr>内部的后代<table>。和以前一样，如果只使用&/，则不会找到<tr>，因为其中有一个封闭的<tbody>标记，并且&/仅看起来是直接后代（或子代）。注意，当lhs中有一个Cursor时，运算符以$开头，而当我们有Axis时，它们以&开头。最后，我们有select3rd轴，该轴允许在存在节点的第三个子节点时进行命名选择。我们用它来选择每个<td>中的第三个<tr>。希望到现在，应该很容易理解它是如何工作的。您问题中的代码在
child末尾使用findNodes运算符调用>=>。只要将&/之前的content更改为>=>，就可以保留该调用（两个实现都是等效的）。
关于html - 使用Text.XML.Cursor获取特定的HTML表列，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/44212378/