Question

这可能与我之前的两个问题类似 - 请参阅here和here，但我正在尝试使用_detail命令自动点击链接，以便我可以抓取详细信息页面每个单独的活动。

我正在使用的代码是：

require 'rubygems'
require 'scrubyt'

nuffield_data = Scrubyt::Extractor.define do
  fetch 'http://www.nuffieldtheatre.co.uk/cn/events/event_listings.php'

  event do
    title 'The Coast of Mayo'
    link_url
    event_detail do
      dates "1-4 October"
      times "7:30pm"
    end
  end

  next_page "Next Page", :limit => 20
end

  nuffield_data.to_xml.write($stdout,1)

有没有办法打印出使用event_detail尝试访问的URL？该错误似乎没有给我提供404的URL。

更新：我认为该链接可能是一个相对链接 - 这可能导致问题吗？任何想法如何处理？

Answer 1

    sudo gem install ruby-debug

This will give you access to a nice ruby debugger, start the debugger by altering your script:

    require 'rubygems'
    require 'ruby-debug'
    Debugger.start
    Debugger.settings[:autoeval] = true if Debugger.respond_to?(:settings)

    require 'scrubyt'

    nuffield_data = Scrubyt::Extractor.define do
      fetch 'http://www.nuffieldtheatre.co.uk/cn/events/event_listings.php'

      event do
        title 'The Coast of Mayo'
        link_url
        event_detail do
          dates "1-4 October"
          times "7:30pm"
        end
      end

      next_page "Next Page", :limit => 2

    end

    nuffield_data.to_xml.write($stdout,1)

Then find out where scrubyt is throwing an exception - in this case:

    /Library/Ruby/Gems/1.8/gems/scrubyt-0.3.4/lib/scrubyt/core/navigation/fetch_action.rb:52:in `fetch'

Find the scrubyt gem on your system, and add a rescue clause to the method in question so that the end of the method looks like this:

      if @@current_doc_protocol == 'file'
        @@hpricot_doc = Hpricot(PreFilterDocument.br_to_newline(open(@@current_doc_url).read))
      else
        @@hpricot_doc = Hpricot(PreFilterDocument.br_to_newline(@@mechanize_doc.body))
        store_host_name(self.get_current_doc_url)   # in case we're on a new host
      end
    rescue
      debugger
      self # the self is here because debugger doesn't like being at the end of a method
    end

现在再次运行脚本，在引发异常时应将其放入调试器中。只需尝试在调试提示符下输入此内容即可查看违规URL：

@@current_doc_url

如果要检查正在发生的事情，也可以在该方法的任何位置添加调试器语句 - 例如，您可能希望在此方法的第51行和第52行之间添加一个，以检查所调用的URL如何更改为什么。

这基本上是我如何找到你以前问题的答案。

祝你好运。

Answer 2

我遇到了相关链接相同的问题并修复了这个...你必须将：resolve param设置为正确的基本URL

  event do
    title 'The Coast of Mayo'
    link_url
    event_detail :resolve => 'http://www.nuffieldtheatre.co.uk/cn/events' do
      dates "1-4 October"
      times "7:30pm"
    end
  end

Answer 3

很抱歉我不知道为什么会这样 - 每次我运行它都返回一个url - 方法self.fetch需要一个你应该能够作为局部变量doc_url访问的URL。如果返回nil，也可以将代码发布到包含调试器调用的位置。

Answer 4

我试图访问doc_url，但似乎也返回nil。当我可以访问我的服务器（当天晚些时候）时，我将发布带有调试位的代码。

使用_details方法单击链接时，Scrubyt会出现404错误

4 个答案: