3

我正在使用 anemone gem（Ruby- 1.8.7 和 Rails 3.1.1）开发爬虫。我应该如何从抓取/下载中跳过扩展名为 pdf、doc、zip 等的网页。

4

1 回答 1

8 
ext = %w(flv swf png jpg gif asx zip rar tar 7z gz jar js css dtd xsd ico raw mp3 mp4 wav wmv ape aac ac3 wma aiff mpg mpeg avi mov ogg mkv mka asx asf mp2 m1v m3u f4v pdf doc xls ppt pps bin exe rss xml)

Anemone.crawl(url) do |anemone|

    anemone.skip_links_like /\.#{ext.join('|')}$/

    ...

end
于 2011-12-01T22:09:58.603 回答