Ruby 如何使用正则表达式从HTML中提取链接？

我想从google.com中提取链接；我的HTML代码如下所示：

<a href="http://www.test.com/" class="l"

代码是：

require "open-uri"
url = "http://www.google.com/search?q=ruby"

source = open(url).read()
links = source.scan(/"(.*?)" class="l"/) 

links.each { |link| puts #{link} 
}

问题是，它没有输出网站链接

我怎么了

您正在尝试使用正则表达式解析HTML。不要那样做。正则表达式甚至不能覆盖有效XHTML所允许的语法范围，更不用说真实世界的标记汤了。使用HTML解析器库，如Hpricot

FWIW，当我获取“”时，我不会在返回的标记中的任何位置接收到“class=l”。也许这取决于你使用的是哪个本地谷歌，以及/或者你是否登录或者是否拥有谷歌cookie。你的剧本和我一样，不会

我怎么了

您正在尝试使用正则表达式解析HTML。不要那样做。正则表达式甚至不能覆盖有效XHTML所允许的语法范围，更不用说真实世界的标记汤了。使用HTML解析器库，如Hpricot

FWIW，当我获取“”时，我不会在返回的标记中的任何位置接收到“class=l”。也许这取决于你使用的是哪个本地谷歌，以及/或者你是否登录或者是否拥有谷歌cookie。你的脚本和我一样，不会。

那些链接实际上有class=l而不是class=l。顺便说一句，为了说明这一点，我在方法中添加了一些日志记录，以便您可以在不同阶段查看输出并对其进行调试。我搜索了您希望找到的字符串，但没有找到，这就是您的正则表达式失败的原因。所以我找到了您真正想要的字符串，并相应地修改了正则表达式。调试技巧很方便

require "open-uri"
url = "http://www.google.com/search?q=ruby"

source = open(url).read

puts "--- PAGE SOURCE ---"
puts source

links = source.scan(/<a.+?href="(.+?)".+?class=l/)

puts "--- FOUND THIS MANY LINKS ---"
puts links.size

puts "--- PRINTING LINKS ---"
links.each do |link|
  puts "- #{link}"
end

我还改进了你的正则表达式。您正在查找一些以打开标记开始的文本这些链接实际上具有class=l而不是class=l。顺便说一句，为了说明这一点，我在方法中添加了一些日志记录，以便您可以在不同阶段查看输出并对其进行调试。我搜索了您希望找到的字符串，但没有找到，这就是您的正则表达式失败的原因。所以我找到了您真正想要的字符串，并相应地修改了正则表达式。调试技巧很方便

require "open-uri"
url = "http://www.google.com/search?q=ruby"

source = open(url).read

puts "--- PAGE SOURCE ---"
puts source

links = source.scan(/<a.+?href="(.+?)".+?class=l/)

puts "--- FOUND THIS MANY LINKS ---"
puts links.size

puts "--- PRINTING LINKS ---"
links.each do |link|
  puts "- #{link}"
end

---

我还改进了你的正则表达式。您正在寻找一些以打开标记开始的文本。坦率地说，问题是您使用的是正则表达式。问题是HTML就是我们所知道的a，而正则表达式只能是我们所知道的一类语言

---

您应该做的是将页面数据发送到能够处理HTML代码的解析器，例如Hpricot，然后遍历从解析器获得的解析树。

说穿了，问题是您使用的是正则表达式。问题是HTML就是我们所知道的a，而正则表达式只能是我们所知道的一类语言

---

您应该做的是将页面数据发送到能够处理HTML代码的解析器，如Hpricot，然后遍历从解析器获得的解析树。

是的。那也是。HTML解析器在这方面做得更好。嗯，是的。那也是。HTML解析器在这方面做得更好。