Ruby on rails 检查Nokogiri HTML文档是否可用

我想检查用户输入的URL实际上是否是有效页面

我试过：

if Nokogiri::HTML(open("http://example.com"))
  #DO REQUIRED TASK
end

但这会在尝试打开页面时立即抛出错误。我想返回它是否是任何类型的文档的结果

我要么得到错误：

no such file or directory

或：

---

取决于我如何进行检查。

我不熟悉异常的处理，但类似于：

begin
  page = Nokogiri::HTML(open("http://example.com"))
ensure
  puts "not a document of any kind"
end
do_something_whith(page) if page

…应该这样做

或者（在阅读您的评论后）：

---

我会从以下内容开始：

require 'nokogiri'
require 'open-uri'

begin
  doc = Nokogiri.HTML(open(url))
rescue Exception => e
  puts "Couldn't read \"#{ url }\": #{ e }"
  exit
end

puts (doc.errors.empty?) ? "No problems found" : doc.errors

Nokogiri将文档的

errors

数组设置为解析过程中发生的任何错误的值

不过，这只解决了问题的一部分。恶意的人喜欢破坏东西，这很容易破坏。一般来说，对用户提供给你的任何东西都要非常小心，尤其是当你的网站暴露在互联网上时

---

在告诉OpenURI加载要提供给Nokogiri的文件之前，您应该嗅探该URL，并使用请求进行一些合理性检查，以找出所检索内容的大小和MIME类型。一旦你知道了这些，你可以试着加载文件。

首先，在Ruby中“rescue Exception=>e”是不好的风格。 [参考：]

---

其次，对于这种情况，“rescue OpenURI:：HTTPError=>e”更合适。

我在打开点得到了相同的getaddrinfo:Name或service not known异常。这就像是程序偷窥，不管发生什么事情，都会在那一点上把头咬下来。同样的交易。似乎开放uri是这里的一个大问题。我必须给另一个人打勾，但谢谢你让我知道正确的方向。如果有人将URL传递到图像或多GB文件，该怎么办？您的代码无法处理Nokogiri爆炸或因主机内存不足而不经意地给主机添加剂量。你需要处理异常，并尝试嗅探URL，以确定在你要求Nokogiri解析它之前，你将得到什么。实际上，在你发布之前，我自己就已经知道了。这的确是正确的想法。

begin
  page = open("http://example.com")
ensure
  puts "not a document of any kind"
end
Nokogiri::HTML(page) if page

require 'nokogiri'
require 'open-uri'

begin
  doc = Nokogiri.HTML(open(url))
rescue Exception => e
  puts "Couldn't read \"#{ url }\": #{ e }"
  exit
end

puts (doc.errors.empty?) ? "No problems found" : doc.errors