1

我在来自服务器的 HTML 中有类似的东西：

<html ...>
<head ...>
....
<link href="http://mydomain.com/Digital_Cameras--~all" rel="canonical" />

<link href="http://mydomain.com/Digital_Cameras--~all/sec_~product_list/sb_~1/pp_~2" rel="next" />
...
</head>
<body>
...
</body>
</html>

如果 b 保存导航到我需要浏览的页面的浏览器对象，我可以找到rel="canonical"withb.html.include?语句，但我如何检索找到该子字符串的整行？我还需要下一个（不是空的）。

4

2 回答 2

5

您可以使用 css-locator（或 xpath）来获取链接元素。

以下将返回 rel 属性值为“canonical”的链接元素的 html（将是行）：

b.element(:css => 'link[rel="canonical"]').html
#=> <link href="http://mydomain.com/Digital_Cameras--~all" rel="canonical" />

我不确定您所说的“我还需要下一个（不是空的）”是什么意思。如果你的意思是你想要 rel 属性值为“next”的那个，你可以类似地做：

b.element(:css => 'link[rel="next"]').html
#=> <link href="http://mydomain.com/Digital_Cameras--~all/sec_~product_list/sb_~1/pp_~2" rel="next" />
于 2013-05-03T00:04:55.513 回答
0

您可以使用String#each_line遍历每一行b.html并检查rel=：

b.goto('http://www.iana.org/domains/special')
b.html.each_line {|line| puts line if line.include? "rel="}

这应该返回所有字符串，包括rel=（尽管它可能会返回您不想要的行，例如带有属性 的<a>标签）。rel

或者，您可以使用nokogiri来解析 HTML：

require 'nokogiri'
require 'open-uri'

doc = Nokogiri::HTML(open("http://www.iana.org/domains/special"))
nodes = doc.css('link')
nodes.each { |node| puts node}
于 2013-05-02T22:05:58.437 回答