Ruby-WebCrawler如何访问找到的链接?
我尝试制作一个WebCrawler,它可以从主页中找到链接,并一次又一次地访问找到的链接。。 现在我已经用解析器编写了一个代码W9,它向我显示找到的链接,并在那里打印这个主页的一些标记的统计信息,但我不知道如何在循环中访问新链接并在那里打印统计信息 * *Ruby-WebCrawler如何访问找到的链接?,ruby,url,hyperlink,web-crawler,net-http,Ruby,Url,Hyperlink,Web Crawler,Net Http,我尝试制作一个WebCrawler,它可以从主页中找到链接,并一次又一次地访问找到的链接。。 现在我已经用解析器编写了一个代码W9,它向我显示找到的链接,并在那里打印这个主页的一些标记的统计信息,但我不知道如何在循环中访问新链接并在那里打印统计信息 * * 首先,您需要一个接受链接并返回正文输出的函数。然后解析正文外的所有链接,并保留链接列表。如果您尚未访问该链接,请查看该列表。从新链接列表中删除那些访问过的链接,然后再次调用相同的函数并重新执行 要在某个点停止爬虫程序,需要在while循环中构
首先,您需要一个接受链接并返回正文输出的函数。然后解析正文外的所有链接,并保留链接列表。如果您尚未访问该链接,请查看该列表。从新链接列表中删除那些访问过的链接,然后再次调用相同的函数并重新执行 要在某个点停止爬虫程序,需要在while循环中构建一个条件 根据您的代码:
@visited_links = []
@new_links = []
def get_body(link)
@visited_links << link
@src = Net::HTTP.start(@url.host, @url.port) { |http| http.get(@url.path) }
@src.body
end
def get_links(body)
# parse the links from your body
# check if the content does not have the same link
end
start_link_body = get_body("http://www.test.com")
get_links(start_link_body)
while @visited_links < 500 do
body = get_body(@new_links.shift)
get_links(body)
end
@已访问的链接=[]
@新链接=[]
def get_车身(链接)
@已访问的链接
def govisit
if @content =~ @commentTag
end
cnt = @content.scan(@aTag)
cnt.each do |link|
@visit[link] = []
end
puts "Links on this site: "
@visit.each do |links|
puts links
end
if @visit.size >= 500
exit 0
end
printStatistics
end
@visited_links = []
@new_links = []
def get_body(link)
@visited_links << link
@src = Net::HTTP.start(@url.host, @url.port) { |http| http.get(@url.path) }
@src.body
end
def get_links(body)
# parse the links from your body
# check if the content does not have the same link
end
start_link_body = get_body("http://www.test.com")
get_links(start_link_body)
while @visited_links < 500 do
body = get_body(@new_links.shift)
get_links(body)
end