最好的Rails HTML解析器

Question

我知道Hpricot仍然是一个标准，但我记得听说过更快，更具表现力的Ruby解析器。

有人知道它叫什么，是否值得从Hpricot转换？

提前致谢

Answer 1

您可能正在考虑Nokogiri。 我自己没有用过它，但“每个人”都在谈论它，benchmarks看起来很有趣：

hpricot:html:doc  48.930000 3.640000 52.570000 ( 52.900035)
hpricot2:html:doc  4.500000 0.020000  4.520000 (  4.518984)
nokogiri:html:doc  3.640000 0.130000  3.770000 (  3.770642)

Answer 2

有多种工具可供选择。我使用Nokogiri。

演示：

require 'rubygems'
require 'nokogiri'

doc = Nokogiri::HTML(%{
  <h1 class="title">Hello, World</h1>
  <p>Some text</p>
  <a href="http://www.google.com/">Some link</a>
})

title   = doc.at_css("h1.title").text
content = doc.at_css("p").text
url     = doc.at_css("a")[:href]

Ryan Bates做了一个关于使用它的精彩截屏：#190: Screen Scraping with Nokogiri。

文档：http://nokogiri.org/

教程：http://nokogiri.org/tutorials

Answer 3

还有Rubyful Soup

它将自己作为轻量级快速和脏的解析器出售。我发现界面非常直观，并且在过去将它用于项目时会出现“Ruby-ish”，考虑到它是一个Python端口，这可能有点令人惊讶。

编辑：看起来它不再被遗忘，所以它可能不是你想要的那个。看起来像Nokogiri是你听说过的。

Answer 4

不要使用正则表达式 - ruby​​的正则表达式太慢了。 Hpricot很棒，Nokogiri看起来很有希望，但我还没有直接使用它。