我想从网页中提取所有网址,如何使用nokogiri进行此操作?
示例:
<div class="heat"> <a href='http://example.org/site/1/'>site 1</a> <a href='http://example.org/site/2/'>site 2</a> <a href='http://example.org/site/3/'>site 3</a> </diV>
结果应该是一个列表:
l = ['http://example.org/site/1/', 'http://example.org/site/2/', 'http://example.org/site/3/'
答案 0 :(得分:79)
你可以这样做:
doc = Nokogiri::HTML.parse(<<-HTML_END)
<div class="heat">
<a href='http://example.org/site/1/'>site 1</a>
<a href='http://example.org/site/2/'>site 2</a>
<a href='http://example.org/site/3/'>site 3</a>
</div>
<div class="wave">
<a href='http://example.org/site/4/'>site 4</a>
<a href='http://example.org/site/5/'>site 5</a>
<a href='http://example.org/site/6/'>site 6</a>
</div>
HTML_END
l = doc.css('div.heat a').map { |link| link['href'] }
此解决方案使用css选择器查找所有锚元素并收集其href属性。
答案 1 :(得分:8)
好的,这个代码非常适合我,感谢sris
p doc.xpath('//div[@class="heat"]/a').map { |link| link['href'] }