Html 如何使用Ruby提取网页的内容？

例如，如果我想检索乔治·克鲁尼拍摄过的电影，我会这样做：

require 'net/http'
require 'nokogiri'
require 'rubygems'

PAGE_URL = "http://www.imdb.com/name/nm0000123" # url for george clooneys profile on imdb
page = Nokogiri::XML(open(PAGE_URL))
puts page.xpath("/html/body/div[1]/div/div[4]/div[3]/div[3]/div[3]/div[3]/div[2]/div[2]").to_s

---

我使用FireBug提取了xpath，但是当我运行程序时，我在终端中只得到一个空行…所以实际上什么都没有发生？我做错了什么？或者有更好的方法吗？

这是我用来获取标题的方法：

require 'nokogiri'
require 'open-uri'

PAGE_URL = "http://www.imdb.com/name/nm0000123"
page = Nokogiri::XML(open(PAGE_URL))
page.css("div.filmo-category-section b a").each { |movie| puts movie.text }

---

谢谢你的回答，我现在只想得到演员标题下的标题，但是运气不好。有什么建议吗？嗯，我不太确定。使用

page.css（“div.filmo-category-section”）.children.each{x|puts x.text}

获取每个div中的所有文本，但是由于字符名没有包装在任何html标记中，我无法直接使用nokogiri获取它。您可能需要抓取整个内容，并解析信息以删除所有

\n

并抓取每个相关信息。不要使用Firebug或任何基于浏览器的工具来尝试查找选择器。浏览器在显示页面之前会对标记进行修正，Firebug会反映这些变化。修正可以改变HTML，添加/改变标记，这不会出现在HTML Nokogiri中，您的解析器也会看到。使用

wget

或

curl

查看数据，或在命令行中使用

nokogiri

本身。此外，简化选择器。永远不需要使用长的显式CSS或XPath。在文档中找到放置标记并导航到这些标记。此外，您需要提供最小化的HMTL来演示问题。不要指望我们在远程站点上浏览整个页面。读作“及”。