使用Rust的scraper crate无法匹配不在<table>中的<tr>元素，原因是什么？

使用Rust的scraper crate无法匹配不在中的元素，原因是什么？ #

嘿，我来帮你捋清楚这个问题！

核心原因其实很简单：scraper依赖的HTML解析器（比如html5ever）是严格遵循HTML规范工作的。在HTML标准里，<tr>是个“表格专属”元素，它只能作为<table>、<thead>、<tbody>或者<tfoot>的直接子元素存在。如果你的HTML里把<tr>直接放在这些容器外面，解析器会自动触发“DOM修正”机制——要么把<tr>偷偷塞进一个隐含的<table>结构里，要么直接把它转换成普通的块级元素（比如<div>），甚至可能直接忽略掉不符合规范的标签结构。

说白了，你写的“裸奔”<tr>在解析后已经不是你以为的那个<tr>了，自然用tr选择器匹配不到。

给你整个小代码示例验证一下：

use scraper::{Html, Selector};

fn main() {
    // 不符合规范的HTML：tr直接暴露在外
    let bad_html = "<tr><td>测试内容</td></tr>";
    let parsed_html = Html::parse_document(bad_html);
    
    // 打印解析后的实际DOM结构，你会发现tr已经被修改了
    println!("解析后的DOM:\n{}", parsed_html.root_element().html());
    
    // 尝试用tr选择器查找
    let tr_selector = Selector::parse("tr").unwrap();
    let found_trs = parsed_html.select(&tr_selector).collect::<Vec<_>>();
    println!("找到的tr元素数量: {}", found_trs.len()); // 大概率是0
}

那怎么解决呢？给你两个方向：

• 如果是你自己生成的HTML，先把<tr>放到合法的<table>容器里，规范的结构肯定能被正常匹配；
• 如果是处理别人的不规范HTML，可以先打印解析后的DOM结构，看看<tr>被转换成了什么，再调整选择器；要是实在需求特殊，也可以试试用正则表达式提取（不过正则处理HTML是下策，只适合简单场景哦）。

备注：内容来源于stack exchange，提问作者crotylaldehyde