Question

我是ruby的新手，我试图使用Ruby返回ASIN列表和相应的价格。我能够非常接近我需要的东西，但需要帮助来回答2个问题：

如何摆脱ASIN周围的 [[＆＃39; 和＆gt; \ n＆＃34;]] （见下面的结果）
是否有更简单的方法从URL中提取ASIN而不是使用此正则表达式？

非常感谢你的帮助！

以下是我从当前代码到终端的内容：

[["B00EJDIG8M\n"]] - $7.00
[["B00KJ07SEM\n"]] - $26.99
[["B000FAR33M\n"]] - $119.00
[["B00LLMKPVK\n"]] - $22.99
[["B007NXPAQG\n"]] - $9.47
[["B004W5WAMU\n"]] - $22.43
[["B00LFUNGU0\n"]] - $17.99
[["B0052G14E8\n"]] - $54.99
[["B002MPLYEW\n"]] - $212.99
[["B00009W3G7\n"]] - $6.61
[["B000NCTOUM\n"]] - $3.04
[["B009SANIDO\n"]] - $12.29
[["B0052G51AQ\n"]] - $67.99
[["B003XEUEPQ\n"]] - $26.74
[["B00CYH9HRO\n"]] - $25.75
[["B00KV0SKQK\n"]] - $21.99
[["B009PCI2JU\n"]] - $56.66
[["B00LLM6ZFK\n"]] - $24.99
[["B004RQDY60\n"]] - $18.40
[["B000JLNBW4\n"]] - $49.14

以下是代码：

require 'rubygems'
require 'nokogiri'   
require 'open-uri'
PAGE_URL = "http://www.amazon.com/Best-Sellers-Appliances/zgbs/appliances/ref=zg_bs_nav_0"

page = Nokogiri::HTML(open(PAGE_URL))
page.css(".zg_itemWrapper").each do |item|  
  price = item.at_css(".zg_price .price").text
  asin = item.at_css(".zg_title a")[:href].scan(/http:\/\/(?:www\.|)amazon\.com\/(?:gp\/product|[^\/]+\/dp|dp)\/([^\/]+)/)
  puts "#{asin} - #{price}"  
end

Answer 1

此时最简单的做法是在插值过程中清理当前的 asin 值，而不是清理你的Nokogiri搜索。例如：

puts "#{asin.flatten.pop.chomp} - #{price}"

Answer 2

关于问题2，我意识到我并不真正需要正则表达式，并找到了一种方法，可以用更短的代码行获得相同的结果

替换

asin = item.at_css(".zg_title a")[:href].scan(/http:\/\/(?:www\.|)amazon\.com\/(?:gp\/product|[^\/]+\/dp|dp)\/([^\/]+)/)

与

asin =  item.at_css(".zg_title a")[:href].split("/")[5].chomp

使用Ruby从URL中提取数据

2 个答案: