屏幕刮擦HTML头内容？
屏幕刮擦HTML头内容？
提问于 2012-04-05 05:04:38
我很乐意使用CSS元素来抓取HTML内容，将其作为识别我想要的内容的一种方法，但我需要抓取网页部分的内容：
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<!-- saved from url=(0028)http://www.peoplesafe.co.uk/ -->
<html xmlns="http://www.w3.org/1999/xhtml" xml:lang="en" lang="en">
<head>
<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />
<title>PeopleSafe</title>
<link href="css/screen.css" media="screen" rel="stylesheet" type="text/css" />
<!--[if lte IE 6]>
<link href="http://www.peoplesafe.co.uk/styles/default/screen_ie6.css" media="screen" rel="stylesheet" type="text/css" />
<![endif]-->
<link rel="icon" href="http://www.peoplesafe.co.uk/styles/default/favicon.ico" />
<script type="text/javascript" src="js/tabpane.js"></script>
<link type="text/css" rel="StyleSheet" href="css/tab.webfx.css?v=2" />
<meta http-equiv="Author" content="Rare Creative Group" />
<meta http-equiv="Description" content="Experts in lone worker safety" />
<meta http-equiv="Keywords" content="lone, worker, safety" />
<script type="text/javascript" src="js/spotlight.js"></script>
<script type="text/javascript" src="js/promo.js"></script>
<script src="http://maps.google.com/maps?ile=api&v=2&sensor=true&key=ABQIAAAA04SCF3o4CZghg6c0Qqgd-RQxzn3bXKr_TQ6C8c2CiIf8-vjJhBS3endtVbbJ1vftXL4Wbb2PwuJ8ag" type="text/javascript"></script>
<script type="text/javascript">
//<![CDATA[
function load()
{
// required for original Peoplesafe layout:
start();
if ( GBrowserIsCompatible() )
{
// codice setcenter:
var map = new GMap2( document.getElementById( "map" ) );
var customUI = map.getDefaultUI();
// Remove MapType.G_HYBRID_MAP
//customUI.maptypes.hybrid = false;
map.setUI(customUI);
//map.addControl( new GSmallMapControl() );
//map.addControl( new GMapTypeControl() );
map.setCenter( new GLatLng( 51.612308, -1.239453 ), 11 );
// Crea un nuovo marker nel punto specificato con una descrizione HTML associata:
function createMarker( point, description, primary_contact_id )
{
//var icon = new GIcon();
////icon.shadow = "/images/nuvola.png";
//icon.iconSize = new GSize(87, 38);
////icon.shadowSize = new GSize(107, 38);
//icon.iconAnchor = new GPoint(6, 20);
//icon.infoWindowAnchor = new GPoint(5, 1);
//icon.image = "/img/.";我需要从这一行解析纬度和经度：
map.setCenter( new GLatLng( 51.612308, -1.239453 ), 11 );所以，在我桌子的一栏里，我想要第一部分：
51.612308在第二栏中，我希望第二部分：
-1.239453如果没有CSS选择器，这是可能的吗？
编辑
谢谢你到目前为止的帮助，非常感谢！
最初的问题是，一旦您登录到该站点，我就会重新定向，现在我会这样做：
put page.root我得到了我所期望的页面的全部来源。所以现在我的代码(登录后)是：
html_doc = page.root
# Find the first <script> in the head that does not have src="..."
#script = html.at_xpath('/html/head/script[not(@src)]')
# Use a regex to find the correct code parts in the JS, using named captures
parts = script.text.match(/new GLatLng\(\s*(?<lat>.+?)\s*,\s*(?<long>.+?)\s*\)/)
p parts[:lat], parts[:long]
#=> "51.612308"
#=> "-1.239453"在运行上述命令时，我会得到一个错误：
undefined local variable or method `script' for main:Object回答 2
Stack Overflow用户
回答已采纳
发布于 2012-04-05 08:05:35
这里有一个解决方案；请注意返回的部分是字符串，因此您可能需要调用它们的to_f来执行计算：
require 'nokogiri'
html_doc = Nokogiri.HTML(my_html)
# Find the first <script> in the head that does not have src="..."
script = html_doc.at_xpath('/html/head/script[not(@src)]')
# Use a regex to find the correct code parts in the JS, using named captures
parts = script.text.match(/new GLatLng\(\s*(?<lat>.+?)\s*,\s*(?<long>.+?)\s*\)/)
p parts[:lat], parts[:long]
#=> "51.612308"
#=> "-1.239453"如果您不习惯使用这个XPath表达式来查找脚本，您也可以这样做：
script = html.css('head script').find{ |el| el['src'].nil? }即在头中查找所有脚本标记，然后使用标准红宝石法查找与特定条件匹配的第一个元素。
编辑：如果您正在使用机械化，它在内部使用Nokogiri来解析和处理文档。您可以通过代码直接获得Nokogiri HTML文档对象。
html_doc = my_mechanize_page.root…或者您可以使用Mechanize::Page#at方法在页面内容的内部调用Nokogiri自己的at。
我个人更喜欢前者，因为Nokogiri文档为您提供了一组比at__更丰富的方法。但是，这两种方法都适用于上述代码。
编辑2：例如：
script = page.at('/html/head/script[not(@src)]')
parts = script.text.match(/new GLatLng\(\s*(?<lat>.+?)\s*,\s*(?<long>.+?)\s*\)/)Stack Overflow用户
发布于 2012-04-05 05:12:58
是的，没有CSS选择器，这是可能的。如果您可以将页面读入缓冲区或数组中，则可以将所需的部分分离开来。
在(和)上进行分隔将允许您检查惟一的字符串new GLatLng。你知道，这将是你的长/长之前的元素。还请参阅NitinJS的评论和此页面以帮助拆分字符串http://www.tizag.com/javascriptT/javascript-string-split.php
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/10029166
复制相关文章
相似问题
为什么我的HttpClient.SendAsync被取消了？
绝对定位:为什么我的盒子被抵消了？
为什么我的地图标记ObjectAnimators被取消了？
为什么这个功能被取消了？
为什么这个孩子被抵消了？
添加站长 进交流群
领取专属 10元无门槛券
AI混元助手 在线答疑
关注 腾讯云开发者公众号
洞察 腾讯核心技术
剖析业界实践案例
腾讯云开发者
