我是编程新手,我有一个问题,如何从网站页面中提取特定信息,处理数据以检查并查看其是否满足某些参数,以及存储满足参数的页面的 URL。
问题是这样的:
-有一个网站,其中有几篇文章。 -我希望能够列出网站上包含少于 x 个单词的文章的网址列表。
我不需要编码或任何方面的帮助,因为我对此很陌生,这本质上是我学习编程的 self 练习。
我只是想知道如何解决这个问题。我了解 HTML 和最少的 Ruby,这就是我的知识范围。
我只是不知道如何从网页“提取”数据。 :S 我将使用什么来提取 HTML?提取 HTML 后我该如何处理它?将其转换为 ruby ?如果是这样,怎么办?
最佳答案
开头:
require 'open-uri'
require 'nokogiri'
doc = Nokogiri::HTML(open(URL))
doc.xpath(//a).each {|node| p a.text}
Nokogiri是一个用 Ruby 解析 HTML/XML 文档的库。请查看网页以获取有关如何安装/使用它的更多信息。
关于html - 如何从 html 文件中提取 "pull"特定数据并处理数据,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/5604552/