如何解析表示时间的HTML表

Question

我正试图解析由澳大利亚政府网站提供的代表一年温度数据的HTML表格。

该表的设置方式不同寻常：列是月份，行是一个月中的几天（因此第一行的单元格是JAN 1、FEB 1、MAR 1）。如果当天记录了数据，则每个单元格都包含一个数字；如果没有记录数据，则包含一个空单元格；如果当天不存在（例如2月31日），则包含单元格类notDay。

我的意图是以格式建立一个充满这些数据的数据库

DATE            RAINFALL        MAX TEMP
2015-02-07        35                31
2015-02-07        40                17

我的问题是：解析表以将数据转换为可用格式的最简单或最有效（就程序员效率而言）的方法是什么？

我个人在Nokogiri库中使用Ruby，但如果有助于更好地进行讨论，则欢迎提供一般的非语言特定算法/方法建议。我不是在找人为我编写代码和解决问题的人，而是在寻求有关方法的建议。

Answer 1

我想知道你是否可以：

按出现的顺序取所有单元格：

• 如果您有数组的情况，请使用Array#flatten

丢弃任何带有Array#reject 的notDay细胞

使用日期范围迭代所有相关日期：

(Date.new(2014,1,1) .. Date.new(2014,12,31)).each {...}

然后从那里走。。。？