Ruby：如何获得一篇文章'；s主图像或链接预览是如何工作的？

我试图了解链接预览是如何工作的（例如，在Facebook或Reddit等网站上，在发布链接时预览文章的图像及其标题）：如何在不知道其确切图像url的情况下获取文章的“主”图像

例如，在这个我的链接预览应该向我显示这个（主）图像，而不是例如（这是一个图像进一步向下）

我是一个ruby新手，但我能够用Nokogiri获得所有图像，并用这段代码打开Uri（但是问题仍然存在：我如何只获得主图像？）

---

这是您的代码的一个稍加修改的版本。它为提供的链接工作良好，你将不得不适应它为其他网站

它使用

w=

后跟大于300的数字来解析图像URL的代码

它下载第一个找到的图像，可能具有更高的分辨率（

所需的\u width=800

）

对于给定的示例：

Found 2330.jpg !

---

试试这个，你不能写一个程序来理解你对“主图像”的意思。您是否总是访问同一页面（在您的示例中为theguardian）？然后您必须检查页面源代码（希望不会太快更改），并找到一个定义css类/选择器。@Felix:我想访问不同的页面，所以我想这是一个相当困难的任务。我知道有很多优秀的ruby宝石，例如，它们工作得很好，但我想了解它们是如何做到的（例如，它们是否只解析第一个大于宽度/高度阈值的图像等？）

URL = 'https://www.theguardian.com/technology/2016/dec/12/facebook-2016-problems-fake-news-censorship'.freeze

require 'open-uri'
require 'nokogiri'

minimum_width = 300
desired_width = 800
width_regex   = /(w=)(\d+)/

Nokogiri::HTML(open(URL)).xpath('//img/@src').find do |src|
  basename = File.basename(src)

  next unless basename =~ width_regex &&
    Regexp.last_match(2).to_i >= minimum_width

  without_parameters = basename.split('?').first
  puts "Found #{without_parameters} !"
  uri = URI.join(URL, src.to_s.sub(width_regex, '\1' + desired_width.to_s))

  File.open(without_parameters, 'wb') do |f|
    f.write(open(uri).read)
  end
end

Found 2330.jpg !