我正在使用nokogiri来抓取网页。页面的结构由包含多个列表项的无序列表组成,每个列表项都有一个包含在div中的链接,图像和文本。
我正在尝试找到清晰的方法来提取每个列表项中的元素,这样我就可以将每个li包含在数组或哈希中,如下所示:
li[0] = ['Acme co 1', 'image1.png', 'Customer 1 details']
li[1] = ['Acme co 2', 'image2.png', 'Customer 2 details']
目前,我将所有元素集中在一起,然后将它们存储在单独的数组中。这样做有更好,更惯用的方法吗?
这是代码atm:
data = Nokogiri::HTML(html)
images = []
name = []
data.css('ul li img').each {|l| images << l}
data.css('ul li a').each {|a| names << a.text }
这是我正在使用的HTML:
<ul class="customers">
<li>
<div>
<a href='#' class="company-name"> Acme co 1 </a>
<div class="customer-image">
<img src="image1.png"/>
</div>
<div class=" customer-description">
Cusomter 1 details
</div>
</div>
</li>
<li>
<div>
<a href='#' class="company-name"> Acme co 2</a>
<div class="customer-image">
<img src="image1.png"/>
</div>
<div class=" customer-description">
Customer 2 details
</div>
</div>
</li>
</ul>
谢谢
假设你的代码给你你想要的东西,我不会尝试重写任何重要的东西。通过用#each
替换你的#map
方法,你可以更简洁和惯用:
data = Nokogiri::HTML(html)
images = data.css('ul li img')
names = data.css('ul li a').map(&:text)
data = Nokogiri::HTML(html)
images = data.css('ul li img')
names = data.css('ul li a').map(&:text)
这会略微简化您的代码,但您的原始版本并不算太糟糕。
例如,如果您从页面上的多个区域抓取图像,我的简化可能无法概括!在这种情况下,恢复到原来的状态可能没问题。