使用open-uri和nokogiri在完全加载之前读取HTML

Question

我正在使用open-uri和nokogiri与ruby进行一些简单的网络抓取。 有一个问题，有时html在完全加载之前被读取。在这种情况下，我无法获取加载图标和导航栏以外的任何内容。 告诉open-uri或nokogiri等待页面完全加载的最佳方式是什么？

目前我的脚本如下：

require 'nokogiri'
require 'open-uri'

url = "https://www.the-page-i-wanna-crawl.com"
doc = Nokogiri::HTML(open(url, ssl_verify_mode: OpenSSL::SSL::VERIFY_NONE)) 
puts doc.at_css("h2").text

Answer 1

您描述的内容是不可能的。 open的结果只会在HTML方法后传递给open，并返回完整值。

我怀疑页面本身使用AJAX加载其内容，如评论中所建议的那样，在这种情况下，您可以使用Watir使用浏览器获取页面

require 'nokogiri'
require 'watir'

browser = Watir::Browser.new
browser.goto 'https://www.the-page-i-wanna-crawl.com'

doc = Nokogiri::HTML.parse(browser.html)

这可能会打开浏览器窗口。