从机械化/野科吉里获取链接

Question

我正在尝试发现从Nokogiri节点检索href链接的最佳方法。这就是我所在的地方

mech = Mechanize.new 
mech.get(HOME_URL) 
mech.page.search('.listing_content').each do |business| 
  website = business.css('.website-feature')
  puts website.class
  puts website.inner_html
end

输出 =>

Nokogiri：：XML：：NodeSet» website

基本上，我只需要把http://urlofsite.com从inner_html中取出，我不确定该怎么做。我已经读过关于使用 CSS 和 XPATH 来做这件事的文章，但我现在都无法工作。感谢您的任何帮助

Answer 1

首先，告诉 Nokogiri 获取一个节点，而不是 NodeSet。 at_css将检索节点，css检索一个节点集，它类似于数组。

而不是：

website = business.css('.website-feature')

尝试：

website = at_css('a.track-visit-website no-tracks')

使用 class="website-feature" 检索<a>节点的第一个实例。如果它不是您想要的第一个实例，则需要通过获取 NodeSet 然后索引到它来缩小它的范围。没有周围的 HTML，很难提供更多帮助。

要从节点获取href参数，只需将节点视为哈希：

website['href']

应返回：

http://urlofsite.com

以下是IRB的一个小例子：

irb(main):001:0> require 'nokogiri'
=> true
irb(main):002:0> 
irb(main):003:0*   html = '<a class="this_node" href="http://example.com">'
=> "<a class="this_node" href="http://example.com">"
irb(main):004:0> doc = Nokogiri::HTML.parse(html)
=> #<Nokogiri::HTML::Document:0x8041e2ec name="document" children=[#<Nokogiri::XML::DTD:0x8041d20c name="html">, #<Nokogiri::XML::Element:0x805a2a14 name="html" children=[#<Nokogiri::XML::Element:0x805df8b0 name="body" children=[#<Nokogiri::XML::Element:0x8084c5d0 name="a" attributes=[#<Nokogiri::XML::Attr:0x80860170 name="class" value="this_node">, #<Nokogiri::XML::Attr:0x8086047c name="href" value="http://example.com">]>]>]>]>
irb(main):005:0> 
irb(main):006:0*   doc.at_css('a.this_node')['href']
=> "http://example.com"
irb(main):007:0>