网页解析包 Nokogiri

网页解析包 Nokogiri

网页解析

实际中，我们经常需要对网页内容进行解析，上文中介绍了两种解析方法，其中一种需要用正则表达式解析，另一种需要利用已经写好的网页解析包 Nokogiri。

本文只是对 Nokogiri 进行分析，详细介绍还请参见 Nokogiri官网 以及相关博客介绍 “Parsing HTML with Nokogiri”

1.加载页面

require 'nokogiri'
require 'open-uri'

page = Nokogiri::HTML(open("http://en.wikipedia.org/")) 
puts page.class   # => Nokogiri::HTML::Document

2.使用css选择器

简要介绍集中css使用方法，详细方法参见以上博客

• 选择 "title" 元素: page.css('title')
  
• 选择 "li" 元素： page.css('li')
  
• 选择元素 "li" 中 href 的内容： page.css('li')[1]['href']
  
• 通过属性选择元素： page.css('li[data-category='news']')
  
• 通过id选择元素： page.css('div#funstuff')[0]
  
• 同上： page.css('div#reference a')

本文内容均来自：

1. http://nokogiri.org/
   
2. http://ruby.bastardsbook.com/chapters/html-parsing/