主页

ruby如何获取http中的div元素

2023-08-14 06:30PM

参考:https://nokogiri.org/tutorials/searching_a_xml_html_document.html#basic-searching

https://stackoverflow.com/questions/4232345/get-div-nested-in-div-element-using-nokogiri

使用 nokogiri

1. 安装:

Ruby >= 2.7 使用

$ gem install nokogiri

或者在Gemfile文件中增加:

gem 'nokogiri'

# 然后运行bundle install

 然后可以使用XPath或者CSS都可以

XPath:

@doc = Nokogiri::XML(File.open("shows.xml"))

@doc.xpath("//character")
# => ["<character>Al Bundy</character>",
#    "<character>Bud Bundy</character>",
#    "<character>Marcy Darcy</character>",
#    "<character>Larry Appleton</character>",
#    "<character>Balki Bartokomous</character>",
#    "<character>John \"Hannibal\" Smith</character>",
#    "<character>Templeton \"Face\" Peck</character>",
#    "<character>\"B.A.\" Baracus</character>",
#    "<character>\"Howling Mad\" Murdock</character>"]

 CSS:

@doc = Nokogiri::XML(File.open("shows.xml"))

@doc.xpath("//dramas//character")
# => ["<character>John \"Hannibal\" Smith</character>",
#    "<character>Templeton \"Face\" Peck</character>",
#    "<character>\"B.A.\" Baracus</character>",
#    "<character>\"Howling Mad\" Murdock</character>"]

只获取里面的节点内容:

doc = Nokogiri::Slop <<-EOXML
<employees>
  <employee status="active">
    <fullname>Dean Martin</fullname>
  </employee>
  <employee status="inactive">
    <fullname>Jerry Lewis</fullname>
  </employee>
</employees>
EOXML

# navigate!
doc.employees.employee.last.fullname.content # => "Jerry Lewis"

# access node attributes!
doc.employees.employee.first["status"] # => "active"

# use some xpath!
doc.employees.employee("[@status='active']").fullname.content # => "Dean Martin"
doc.employees.employee(:xpath => "@status='active'").fullname.content # => "Dean Martin"

# use some css!
doc.employees.employee("[status='active']").fullname.content # => "Dean Martin"
doc.employees.employee(:css => "[status='active']").fullname.content # => "Dean Martin"

eg:

从给定的 URL 获取响应的主体内容,并使用 Nokogiri 库解析该内容为 HTML 对象。然后,它选择具有 class 属性为 "time" 的元素,并打印出第一个匹配的元素

# 定义了一个名为 get_post_body 的方法,该方法接受一个参数 url

def  get_post_body url

    # 使用 HTTParty.get 方法向给定的 url 发起 GET 请求,并将返回的响应存储在 request 变量中

    request = HTTParty.get(url)

    # 使用 Nokogiri::HTMLrequest.body(即响应的主体内容)解析为一个可操作的 HTML 对象,并将解析结果存储在 parsed_body 变量

    parsed_body = Nokogiri::HTML(request.body)

    # 使用 parsed_body.css('.time')[0] 选择解析后的 HTML 中的所有具有 class 属性为 "time" 的元素,并打印出第一个匹配的元素

    puts parsed_boyd.css(' .time ')[0]

end

eg:只获取time里面的匹配元素的内容

   # 选择解析后的 HTML 中具有 class 属性为 "time" 的元素,并打印出第一个匹配的元素的内容(即文本内容)。

    puts parsed_boyd.css(' .time ')[0].content

返回>>

登录

请登录后再发表评论。

评论列表:

目前还没有人发表评论