ROR中Hpricot的使用

Hpricot  XML,HTML解析工具。

Hpricot 安装：

            gem installhpricot ; 或许需要devkit。

使用：require ‘hpricot’    之前需要require ‘rubygems’

另外需要: require‘open-uri’

 

 例子：

doc = Hpricot(open(name))

name 为URL或者文件。

 

检索：doc.search(tag)     检索HTML中的tag标签。

如HTML中有  <h2 align="center">cashpro Summary Report</h2>

则 doc.search(“h2”)      

会检索出    <h2 align="center">cashpro Summary Report</h2>

如果doc.search(“h2”).inner_html  则结果： cashpro Summary Report  

如果需要检索标签中的某个属性(对于抓取HTML中的链接十分有用):

例如：<a href="/quality_reports/codedetail.html" style="color:#000000">Details</a>

现在需要 href这个属性的值， 即URL: /quality_reports/codedetail.html

语法如下：doc.search("a").map {|e| e.get_attribute('href') }

很多时候得到这种相对路径是没用的， 我们需要把它改成绝对路径，则可以这么做：

doc.search("a").map {|e| “http://www.baidu.com” + e.get_attribute('href') }

于是就得到结果：http://www.baidu.com/quality_reports/codedetail.html

参考：http://hpricot.com/demonstrations