web-dev-qa-db-ja.com

Rubyのnokogiriを使用して、href htmlタグからリンク（URL）を抽出しますか？

すべてのURLをWebページから抽出したいのですが、nokogiriでそれを行うにはどうすればよいですか？

例：

 <div class = "heat"> 
 <a href='http://example.org/site/1/'> site 1 </a> 
 <a href = 'http：//example.org/site/2/'> site 2 </a> 
 <a href='http://example.org/site/3/'> site 3 < /a>
</diV>

結果はリストである必要があります：

l = ['http://example.org/site/1/', 'http://example.org/site/2/', 'http://example.org/site/3/'
rubyparsingnokogiri
39
gustavgans

あなたはこのようにそれを行うことができます：

doc = Nokogiri::HTML.parse(<<-HTML_END)
<div class="heat">
   <a href='http://example.org/site/1/'>site 1</a>
   <a href='http://example.org/site/2/'>site 2</a>
   <a href='http://example.org/site/3/'>site 3</a>
</div>
<div class="wave">
   <a href='http://example.org/site/4/'>site 4</a>
   <a href='http://example.org/site/5/'>site 5</a>
   <a href='http://example.org/site/6/'>site 6</a>
</div>
HTML_END

l = doc.css('div.heat a').map { |link| link['href'] }

このソリューションは、CSSセレクターを使用してすべてのアンカー要素を見つけ、それらのhref属性を収集します。

80
sris

わかりました。srisのおかげで、このコードは私にとって完璧に機能します

p doc.xpath（ '// div [@ class = "heat"]/a'）。map {|リンク| link ['href']}
8
gustavgans