通过nokogiri或hpricot进行屏幕抓取
我正在尝试获取给定xpath的实际值.我在sample.rb文件中有以下代码 require 'rubygems' require 'nokogiri' require 'open-uri' doc = Nokogiri::HTML(open('http://www.changebadtogood.com/')) desc "Trying to get the value of given
..
hpricot相关内容
XML =>带有Hpricot和Rails的HTML
我从未使用过Web服务和Rails，显然这是我需要学习的东西. 我选择使用hpricot，因为它看起来很棒. 无论如何，_why足以在 hpricot网站上提供以下示例: #!ruby require 'hpricot' require 'open-uri' # load the RedHanded home page doc = Hpricot(open("http://redh
..
org.jruby.Main上的NoClassDefFoundError
我正在尝试使用JRuby 1.4.0RC1在Windows机器上安装hpricot gem.我正在尝试遵循有关问题的建议(请参阅-> 为JRuby安装hpricot ). 根据答案的建议，我拉开了hpricot的git头，并从其dir运行: jruby -S rake package_jruby cd pkg sudo jgem install ./hpricot-0.8.1-jrub
..
如何从KML/XML中提取数据?
我有一些数据已从KML文件转换为XML，我很好奇如何使用PHP或Ruby来获取诸如邻域名称和坐标之类的信息.我知道他们周围有这样的标签. Gotham 但不幸的是，数据的格式为: Colgate Center
..
您如何知道何时使用XML解析器以及何时使用ActiveResource?
我尝试使用ActiveResource解析更像HTML文档的Web服务，但不断出现404错误. 我需要为此任务使用XML解析器而不是ActiveResource吗? 我的猜测是，ActiveResource仅在您使用另一个Rails应用程序中的数据并且XML数据可轻松转换为Rails模型时才有用.例如，如果Web服务是范围更广的XML(例如HTML文档或RSS feed)，则您想使用诸
..
未封闭的img标签存在问题
以HTML格式显示并提交给服务器的数据，需要进行一些预处理. 使用"img"标签的"src"属性进行操作. 经过预处理和保存后，所有经过预处理的"img"标签不会自动关闭. 例如，如果紧随其后的是"img"标签: 用Nokogiri或Hpricot进行预处理后，将是:
..
使用< foo.bar>
我正在尝试在JRuby中使用一些具有此类元素的旧XML: content 我一直在使用Hpricot，但是Hpricot的面向HTML的快捷方式对我不利:doc.search("//with.dot")似乎正在寻找
..
XPath中的Tbody标签由Fire Bug产生
我正在尝试使用ruby hpricot库从在线html中提取一些数据.我使用firefox扩展名fire bug来获取所选项目的xpath. 在产生的xpath表达式中总是存在额外的tbody标签.在某些情况下，我必须从表达式中删除tbody标签以获取结果，而在其他情况下，我必须保留标签以获取结果. 我只是不知道何时保留tbody标签，什么时候不保留. 解决方案 为了考虑并避免
..
带有萤火虫的XPath的hpricot
我正在尝试使用hpricot从基于表的网站中提取一些信息.我得到了带有FireBug的XPath. /html/body/div/table/tbody/tr/td/table/tbody/tr[2]/td/table/tbody/tr/td[2]/table/tbody/tr[3]/td/table[3]/tbody/tr 这不起作用...显然，FireBug的XPath是呈现的HTM
..
如何在Nokogiri中进行正则表达式搜索，以匹配某个开始的文本?
给出: require 'rubygems' require 'nokogiri' value = Nokogiri::HTML.parse(
A
Foo
B
..
Nokogiri vs Hpricot?
您会选择哪一个?我的重要属性是(不按顺序排列): 支持和将来的增强功能. 社区和一般知识库(在Internet上). 全面(即，经证明可解析各种*.* ml页). 性能. 内存占用量(运行时，而不是代码库). 解决方案 选择Nokogiri，尤其是要点一:Hpricot是元答案:请参见 ruby-toolbox 了解不同类型的流行程度给定区域中的工具.
..
删除XML标签及其内容之间的任何内容
我需要删除XML标记之间的所有内容，尤其是空格和换行符. 例如，从以下位置删除空格和新闻行: \ n 获得: 这不是要手动解析XML ，而是要在通过工具解析XML数据之前准备XML数据.更具体地说，我正在使用Hpricot(Ruby)解析XML，不幸的是，我
..
结合使用Ruby和Mechanize登录网站
我需要从网站上抓取数据，但是这需要我先登录.我一直在使用hpricot来成功地抓取其他站点，但是我对使用机械化是陌生的，而且我对如何使用它很困惑. 我看到这个例子通常被引用: require 'rubygems' require 'mechanize' a = Mechanize.new a.get('http://rubyforge.org/') do |page| # Cli
..
使用Hpricot（Ruby on Rails）刮取隐藏的HTML（当可见= false时）
我遇到了一个不幸似乎无法超越的问题，不幸的是，我还只是一个Ruby on Rails的新生儿，因此不幸的是因此提出了很多问题。 我试图抓取如下网页： http://www.yellowpages.com.mt/ Malta / Grocers-Mini-Markets-Retail-In-Malta-Gozo.aspx 我想刮去下一页的地址，电话和URL，在这种情况
..
Hpricot，从文档中获取所有文本
我刚开始学习Ruby。非常酷的语言，喜欢它很多。 我使用非常方便的Hpricot HTML解析器。 我期待的是抓取页面中的所有文本，不包括HTML标签。 示例： 数据保护检查
..
使用Ruby从HTML文档中剥离文本
有很多关于如何使用Ruby去除文档中HTML标签的例子，Hpricot和Nokogiri都有inner_text方法，可以方便快捷地为您移除所有的HTML。 我想要做的是相反的，从HTML文档中删除所有文本，只留下标签及其属性。 我考虑循环遍历文档设置inner_html为零，但然后真的，你必须做相反的事情，因为第一个元素（root）有一个inner_html的整个文档的其余部分，所以
..
Windows上的Rails Bundler拒绝安装hpricot（即使是手动安装gem也会得到错误：没有要加载的文件 - hpricot）
升级到rails 3，并使用Bundler作为宝石，在一个混合平台开发组中。我在Windows上。当我运行Bundle Install时，它会成功完成，但不会安装hpricot。 hpricot行是： gem“hpricot”，“0.8.3”，：platform => ：mswin 也试过了 gem“hpricot”，：platform => ：mswin
..
open-uri不会将http重定向到https
我使用Hpricot和OpenURI解析网页并从中提取网址。 当我得到类似“http：rapidshare.com”的链接时，它不是重定向到https。 这是我得到的错误： /home/leonidus/.rvm/rubies/ruby-1.9.3 -p125 / lib / ruby / 1.9.1 / open-uri.rb：216：在 中`open_loop'：重定向被禁
..
为JRuby安装hpricot
我想看看黄瓜的Jruby在Rails。 我用hpricot安装了这个gem： gem install hpricot --source http://code.whytheluckystiff.net --version 0.6.1 --platform java 这将安装hpricot的java版本。我将hpricot_scan.jar添加到CLASSPATH，但是当我运行时：
..
将HTML转换为纯文本和维护结构/格式化，红宝石
我想HTML转换为纯文本。我不想只去掉标签，虽然，我想聪明保留尽可能多的格式尽可能。插入换行符为＆LT; BR＆GT; 标记，检测段落和格式化它们的方式，等等。 输入是pretty简单，通常是格式良好的HTML（不是整个文件，只是一堆的内容，通常没有锚或图像）。 我可以放在一起一对夫妇regexs这让我80％，但有推测有可能是更智能一些现有的解决方案。 解决方案 首先，不要试图用正
..