Question

如果我使用

require 'net/http'

source = Net::HTTP.get('stackoverflow.com', '/index.html')

从url中提取源代码，有没有办法在ruby中查找具有某个类的所有链接元素，然后提取这些url的href属性并将它们放入数组中？（我知道如何在javascript中执行此操作，但不会在ruby中执行此操作。）

也许我不想使用net/http？

Answer 1

听起来像Nokogiri对我来说非常适合你。

require 'nokogiri'
require 'openuri'

doc = Nokogiri::HTML(open('http://stackoverflow.com/index.html'))
doc.xpath('//h3/a[@class="foo"]').each do |element|
  # do something with element
end

Answer 2

使用Mechanize并查看this页。

Answer 3

require 'open-uri'
require 'hpricot'

source = open('stackoverflow.com/index.html').read # get raw html

doc = Hpricot(source) # parse with Hpricot
links = doc.search("//a[@class~='foo_bar']").collect { |a| a[:href] } # search for all links with 'foo_bar' class and then collect array of links

注意：代码未经过优化，因此如果您想改进它，请阅读Hpricot文档;）

Answer 4

您可以使用HTML / XML解析器：nokogiri，mechanize

Answer 5

Hpricot是一个很好的XML / HTML解析器，可用于执行此操作。

Answer 6

尝试搜索解析HTML / DOM以查找相关结果。我相信那里有很多。

How to manipulate DOM with Ruby on Rails

有没有办法选择具有ruby的某个类的html元素？

6 个答案: