Question

我目前正在开发一个SSL证书枚举工具，该工具将查询https://crt.sh特定网站，并搜索结果以查找子域。我使用Mechanize将结果页面作为HTML获取，我需要解析一些特定表数据的响应。以下是一行结果的示例

<tr>
  <td style="text-align:center"><a href="?id=47689622">47689622</a></td>
  <td style="text-align:center">2016-10-22</td>
  <td style="text-align:center">2016-05-21</td>
  <td>*.meta.stackoverflow.com</td>
  <td><a style="white-space:normal" href="?caid=1397">C=US, O=DigiCert Inc, OU=www.digicert.com, CN=DigiCert SHA2 High Assurance Server CA</a></td>
</tr>

我需要一种方法来只拉出第二个最后一个标签，它显然没有附加id或类。有没有人有类似的经历？如果有的话，任何提示将不胜感激。我从控制器获取文件的方式如下。

domain = params[:domain_name]
@result = "Retrieving domain information from crt.sh\nSee https://crt.sh/?q=%25#{domain} to validate manually\n\n"
host = ENV["https_proxy"][8..-1].split(":")[0]    
port = ENV["https_proxy"].split(":")[2].chomp("/")

agent = Mechanize.new
agent.user_agent = 'Mozilla/5.0 (compatible; MSIE 10.0; Windows NT 6.1; WOW64; Trident/6.0)'
agent.set_proxy(host, port)
html_doc = Nokogiri::HTML(agent.get("https://crt.sh/?q=%25#{domain}").body, 'UTF-8')

我对Nokogiri没有多少经验，因为我刚刚开始学习Ruby on Rails一个月前，直到今天早些时候才需要Nokogiri。

Answer 1

选择表格后即可

table.last_element_child.previous

返回最后一个孩子，然后获得最后一个孩子以前的兄弟。

https://github.com/sparklemotion/nokogiri/wiki/Cheat-sheet

使用Nokogiri解析特定标签的HTML

1 个答案: