Html 用Ruby获取页面上所有href内容的最简单方法?
我正在用Ruby编写一个简单的网络爬虫,我需要获取页面上的所有Html 用Ruby获取页面上所有href内容的最简单方法?,html,ruby,regex,parsing,html-parsing,Html,Ruby,Regex,Parsing,Html Parsing,我正在用Ruby编写一个简单的网络爬虫,我需要获取页面上的所有href内容。最好的方法是什么,或者任何其他网页源解析,因为有些页面可能无效,但我仍然希望能够解析它们 有没有好的RubyHTML解析器可以进行有效性不可知的解析,或者用regexp手工解析是最好的方法 可以在非XHTML页面上使用XPath吗?看一看。简短示例: require 'open-uri' require 'nokogiri' doc = Nokogiri::HTML(open('http://www.google.com
href
内容。最好的方法是什么,或者任何其他网页源解析,因为有些页面可能无效,但我仍然希望能够解析它们
有没有好的RubyHTML解析器可以进行有效性不可知的解析,或者用regexp手工解析是最好的方法
可以在非XHTML页面上使用XPath吗?看一看。简短示例:
require 'open-uri'
require 'nokogiri'
doc = Nokogiri::HTML(open('http://www.google.com/search?q=tenderlove'))
doc.search('//*[@href]').each do |m| p m[:href] end
看一看。简短示例:
require 'open-uri'
require 'nokogiri'
doc = Nokogiri::HTML(open('http://www.google.com/search?q=tenderlove'))
doc.search('//*[@href]').each do |m| p m[:href] end
看一看。我很确定它有方法来抓取页面中的所有链接。看一看。我很肯定它有方法来抓取页面中的所有链接