Question

我想在维基百科页面上抓一个汉字表，我在使用Nokogiri时遇到了麻烦。这是我的剧本：

# -*- encoding: utf-8 -*-

require 'rubygems'
require 'nokogiri'
require 'open-uri'

link = 'http://en.wikipedia.org/wiki/List_of_j%C5%8Dy%C5%8D_kanji'

doc = Nokogiri::HTML(open(link))
doc.encoding = 'UTF-8'

d = []
doc.css('.wikitable tr').each do |tr|
  row = []
  tr.css('td').each {|td| row << td.text }
  d << row
end

d.each {|row| row.each {|td| puts td } }
y = YAML.dump(d, STDOUT)
puts y

我的麻烦在于，它返回二元字符（如ããã）而不是汉字字符（如人）。

如何编辑它以解决此问题？非常感谢。

Answer 1

doc = Nokogiri::HTML(open(link),nil,'UTF-8')

对我而言，如果您的终端不支持日文字符，请将其转储到文件中。

使用Nokogiri抓住Kanji网页

1 个答案: