我正在建立一个共享网站，允许与Ruby on Rails共享网页链接。
我希望为每个页面提取一些代表性图片（当您共享链接时，如 Facebook ）。
现在我首先使用gem opengraph来解析og:image元标记，然后使用Nokogiri来解析网页内容并检索所有<img>标记{{ 1}}属性。这给出了很好的结果（除了一些装饰图像，所以我按尺寸过滤结果......）。
-
现在我想进一步解析css src属性：网站徽标通常显示为background-image或<h1>代码的背景。
我考虑以下过程：
使用正则表达式（类似<a>）解析HTML文档以查找内联CSS
使用Nokogiri检索CSS样式表网址并使用相同的正则表达式解析这些表格
...根据文档网址确定网址。
-
我的问题是：
您认为有更好的选择吗？
是否有某种类型的库可以提高流程的性能？
例如，如果我可以构建HTML + CSS的统一视图，这允许我通过DOM访问CSS属性，我可以只访问 预先选择的HTML元素的背景图像（h1，a，...）并限制结果数量。
答案 0 :(得分：1)
当您解析网站的CSS时，您要返回的任何图像都将与用户界面（精灵，背景）相关联，而不是与页面的实际内容相关。
除非您只是尝试提取徽标，否则我认为这不值得。在这种情况下，我会限制包含单词“logo”的类名/ ids /路径上的匹配。
如果你想从一个页面中提取“代表性图像”，我会像你一样解析图像标签，然后按照How do I take screenshots of web pages using ruby and a unix server?
生成（并裁剪）页面的屏幕截图您如何处理原始HTML源代码中没有的图像？
就图书馆而言，我非常确定nokogiri是最好的东西。