我正在尝试从此SITE中删除一些数据。我是Nokogiri的新手,但是我在Stackoverflow上阅读了很多DOC和主题。而且我不知道如何解决我的问题...
我开始构建我的应用程序的结构:
require 'nokogiri'
require 'open-uri'
class Scrap
def first(strona)
@page = Nokogiri::HTML(open(strona))
end
def marka(css)
@page.css(css).text
end
end
x = Scrap.new
x.first("https://webcat.schaeffler.com/web/schaeffler/pl/PKW/index.xhtml")
puts x.marka("a#searchByConstraints:form:j_idt491:0:j_idt493:0:j_idt495")
它应该放“ ABARTH”,但是id包括特殊字符,例如“ :”,而我得到的唯一东西就是这个错误:
unexpected '0' after ':' (Nokogiri::CSS::SyntaxError)
我在stackoverflow上找到了解决方案。因此,我将应用程序的最后一行更改为:
puts x.marka('*[id="searchByConstraints:form:j_idt491:0:j_idt493:0:j_idt495"]')
它返回一个空字符串,我不知道为什么...
目标站点上的元素看起来:
<a id="searchByConstraints:form:j_idt491:0:j_idt493:0:j_idt495" href="/web/schaeffler/pl/PKW/3854/applicationSearch.xhtml" title="ABARTH">ABARTH</a>
因此必须做错了什么,或者在我的情况下不起作用。
有人知道如何解决吗? (我想获取文本和网址)
所有问候! &&谢谢!
这些ID是非标准CSS,因此您无法像普通ID一样搜索它们,就像<div id="this-is-normal">
一样,因此您需要在div ID中匹配一个模式。
我认为这是您所需要的:
@page.css('div[id^="searchByConstraints:form:j_idt491"]')
所以对你来说是
x.marka('div[id^="searchByConstraints:form:j_idt491"]')
附带说明,我建议您将班级命名为Scrapper
或Scrape
还有一种更好的做法是在类后命名实例变量,因此
scrapper = Scrapper.new
scrapper.marka('blah') # etc. maybe you mean marker?