ruby - 使用 Ruby Mechanize 抓取所有连续的页面

Question

我正在寻找有关循环浏览网站上连续页面的最佳方式的帮助，同时从每个页面上抓取相关数据。

例如，我想访问特定站点(以下示例中的 craigslist)，从第一页抓取数据，转到下一页，抓取所有相关数据等，直到最后一页。

在我的脚本中，我使用了 while循环，因为它对我来说似乎最有意义。但是，它似乎无法正常工作，只是从第一页抓取数据。

熟悉 Ruby/Mechanize 的人能否为我指明完成此任务的最佳方法的正确方向。我花了无数个小时试图弄清楚这一点，但我觉得我错过了一些非常基本的东西。

在此先感谢您的帮助。

require 'mechanize'
require 'pry'

# initialze
agent = Mechanize.new { |agent| agent.user_agent_alias = 'Mac Safari'}
url = "http://charlotte.craigslist.org/search/rea"
page = agent.get(url)

# Create an empty array to dump contents into
property_results = []

# Scrape all successive pages from craigslist
while page.link_with(:dom_class => "button next") != nil
    next_link = page.link_with(:dom_class => "button next")  
    page.css('ul.rows').map do |d|  
        property_hash = { title: d.at_css('a.result-title.hdrlnk').text }    
        property_results.push(property_hash)    
    end  
    page = next_link.click
end 

更新:
我找到了这个，但仍然没有骰子:

Ruby Mechanize: Follow a Link

@pguardiario

require 'mechanize'
require 'httparty'
require 'pry'

# initialze
agent = Mechanize.new 
url = "http://charlotte.craigslist.org/search/rea"
page = agent.get(url)

#create Empty Array
property_results = []

# Scrape all successive pages from craigslist
while link = page.at('[rel=next]')
  page.css('ul.rows').map do |d|  
    property_hash = { title: d.at_css('a.result-title.hdrlnk').text }    
    property_results.push(property_hash)
  end
    link = page.at('[rel=next]')
    page = agent.get link[:href]
 end
pry(binding)

Answer 1

每当您看到 [rel=next] ，这就是您要遵循的内容:

page = agent.get url
do_something_with page
while link = page.at('[rel=next]')
  page = agent.get link[:href]
  do_something_with page
end