Question

我试图抓住kickass.to而且我难以归还一份清晰易读的文件。

这是我的代码：

require 'nokogiri'
require 'open-uri'

url = "http://kickass.to/usearch/Mobile%20Suit%20Gundam:%20Char%27s%20Counterattack%201988category:movies/"
doc = Nokogiri::HTML(open(url))

结果：

#<Nokogiri::HTML::Document:0x3ffb45c23ab4 name="document" children=[#<Nokogiri::XML::DTD:0x3ffb45c23744 name="html">, #<Nokogiri::XML::Element:0x3ffb45c26fc0 name="html" children=[#<Nokogiri::XML::Element:0x3ffb45c26db8 name="body" children=[#<Nokogiri::XML::Element:0x3ffb45c26bb0 name="p" children=[#<Nokogiri::XML::Text:0x3ffb45c269a8 "\u008B      å}ùvÛF²÷ßñSt8Ç\u009142H,Y\u0092©Åñ\u008Cíx,%\u0099\\_],\r\tÐX$Ñ\u0093y¢ï¾ÿî\u0093Ý_u ¸\u0088\"eÑ\u008E3>>\"6º««ªkëBõþ÷Ç?\u009Dÿöæ\u0084õ\u0093áàðÑ>}°\u009Bá \u0088*ý$íÕj×××Õk£F½\u009AÖn·k7Ô¦Â\\?:¨\u0092¨BOqË=|Äðo\u007FÈ\u009D%#\u007FLý«\u0083ÊQ$">, #<Nokogiri::XML::Element:0x3ffb45c268cc name="h">]>]>, #<Nokogiri::XML::Element:0x3ffb45c26480 name="html" children=[#<Nokogiri::XML::Element:0x3ffb45c26278 name="p" children=[#<Nokogiri::XML::Text:0x3ffb45c26070 "T~\u0093Ô¨§§Ìé[QÌ\u0093\u00834ñ\u0094V¥vWGgÉxÀvçÄñôã\u00815ä\u0097ÇNä\u008F?J CÎ¬ÀenxBËeÃÐö\u009CÅ©\u009F°^¸ÖpOÀ¶ì³\u0088¬$±\u009CKfÙq8H>3/\u008C\u0098q^e§V\u009C}ÅUvìGÜ\u0099ÜaW¾Å~\u007FÃ¬+ËXö\u0080/\u00825\ní0\u0089K`¡¸ü¦Â\">8¨¤1·\"§_¯=\u0083ó0\u008A@\u0094\u00981ýÝw.8Îoí×d§\u0092\u009C?¸\u0094CÇ\u0084ö¸ÏyRa\th\u0099\u0091\u0090pÎú÷*µúI¬ÄwªN8¬Y\u0083\u0081¢µ\u009Aå\u0094.\u008DÑ£ÄIæ\u0083OnéÖZ=×Uñ§\u0092÷ôhfk4«$aêô\u0095»»\u009Cm]=Ñ·ìö{Eyç{l\u0090°'¬ù>cSüÂùcÎ5\u009F7¦q ¨¸\u00959N¾\u007FÇ×÷Þ+Êa6«løuÆn>üØUçÝ\u00924ÿìùJt·óaåJfqäÌñÛ\u0087XÈ³:ô\u0083bâÀ\u009D%ný\u0080Å'»¨î×äUFÈ[1ÞK8Q¼ á.\u008A·\u008BÁ×ßB\u0092\u0096¡£WVÄ.\u0084°\u007F\t\u0086¤{ôp+æ¾»Ç¶²·õdª\u0089ËÈ¢\u008B\u0081ôö\u0098:ý

你得到了照片。它难以辨认，我似乎无法弄清楚特定元素的位置。任何想法从哪里开始？

Answer 1

我认为你误解了Nokogiri的工作方式。 Nokogiri不会在请求的页面上返回原始HTML，它会将每个DOM元素包装在Nokogiri对象中，并返回包含所有这些元素的Nokogiri可枚举对象。

很难帮助您，因为您不清楚是否要提取所有HTML或页面的特定部分。 Nokogiri通过使用CSS样式选择器来查询＆＃39; Nokogiri对象并提取你想要的元素。

如果您参考Nokogiri文档，这将有所帮助，但使用示例......

doc.css('h3.r a').each do |link|
    puts link.content
end

这假设您有一个包含Nokogiri刮擦结果的变量（在您的情况下，您也使用了＃doc; doc＆＃39;）。然后，它会搜索所有节点，这些节点是h3标签中包含的链接（标签），其类别为＆＃39; r＆＃39;。在这种情况下，它们循环遍历符合此条件的元素（.css函数也返回一个可枚举的，因为可能有多个符合条件的元素）并将这些元素打印到控制台。

Answer 2

在MRI Ruby 2.1.1上为我工作正常。您可以尝试重新安装/更新Nokogiri和/或使用Ruby执行相同的操作。

如何修复此Nokogiri文档结果以使其清晰可辨？

2 个答案: