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
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\(\s*(?<lat>.+?)\s*,\s*(?<long>.+?)\s*\)/)
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
https://stackoverflow.com/questions/10029166
复制相似问题