Question

我是红宝石的初学者。我想要一个ruby脚本来获取与该域相关联的每个链接而不使用gem。（e.x）如果我输入网址为http://hsps.in

我的预期输出是：

      hsps.in/contacts
      hsps.in/projects
      hsps.in/blog ..etc

谁能告诉我怎样才能实现这个目标？

Answer 1

open-uri是标准库的一部分，你需要安装nokogiri gem，它会让事情变得更容易

    require 'open-uri'
    require 'nokogiri'

    url = 'http://hsps.in'
    doc = Nokogiri::HTML(open(url))
    links = doc.css('a')
    links.each { |link| puts link['href'] }

Answer 2

RegExp是你的朋友：）

Maybe this gist would help you i created a while ago.

在第570行，我使用Regexp扫描链接：

toScan[:links] = toScan[:response].body.scan(/https?:\/\/[^:\s"'<>#\(\)\[\]\{\},;]+/mi)

在第572行，我使用此正则表达式扫描实习链接：

 interneLinks = toScan[:response].body.scan(/href\s*=\s*['"]\/?[^\s:'"<>#\(\)\[\]\{\},;]+/im )

我也不想使用宝石而是自己做。所以我使用了RegExp。使用Regexpressions，您可以处理Textpatterns。它就像一个小语言，你可以用它来识别字符串中的文本（在你的情况下是网址）。 :)也许有一个更好的regexp链接（谷歌可以找到它们），但我想自己处理它。

我可以帮助你解决这个问题。

Answer 3

在您的控制器操作中

arr = []
routes =  %x[rake routes]
routes.split(' ').map{|rt| arr << rt if rt.count('/') > 0 && rt.count('#') == 0}
puts arr.uniq

Answer 4

require 'open-uri'

class PageLinks
  attr_reader :page
  include OpenURI

  def initialize(url)
    @page = open(url).readlines
  end

  def links
    @page.grep(/href/)
  end
end
url = 'http://www.hsps.in'
doc = PageLinks.new url

puts doc.links.inspect

正如你所说'不使用任何宝石'，我会接受它包含Rails，即使它被标记为。

这不是一个“干净”的答案，因为它不会提取a代码href值的值。但它应该证明它确实可以在没有宝石的情况下完成，只有Ruby附带的宝石。

在不使用内置库的情况下获取ruby中网页的所有链接

4 个答案: