在ruby中用nokogiri提取name屬性的指定值的網站元標記中的content屬性的內容？

Question

我在這里的第一個問題是，很難找到答案。 我是新手使用nokogiri。

這是我的問題。 我在目標網站的HTML頭上有這樣的東西（這里是一個techcrunch帖子）：

<meta content="During my time at TechCrunch I've seen thousands of startups and written about hundreds of them. I sure as hell don't know all ..." name="description"/>

我現在想要一個腳本來運行元標記，找到名稱屬性為“description”的腳本，並獲取內容屬性中的內容。

我嘗試過這樣的事情

require 'rubygems'
require 'nokogiri'
require 'open-uri'

url = "http://www.techcrunch.com/2009/10/11/the-underutilized-power-of-the-video-demo-to-explain-what-the-hell-you-actually-do/"
doc = Nokogiri::HTML(open(url))
posts = doc.xpath("//meta")
posts.each do |link|
  a = link.attributes['name']
  b = link.attributes['content']
end

之后我可以選擇屬性名稱等於描述的鏈接 - 但是此代碼對於a和b返回nil。

我玩了posts = doc.xpath("//meta") ， posts = doc.xpath("//meta/*")等，但仍然沒有。

Answer 1

問題不在於xpath，因為它似乎沒有解析文檔。 您可以使用puts doc檢查它，它不包含完整輸入。 解析注釋似乎是一個問題（我懷疑無效的HTML或libxml2中的錯誤）。

在您的情況下，我將使用正則表達式作為解決方法 。 鑒於<meta>標簽足夠簡單可能有效，例如/<meta name="([^"]*)" content="([^"]*)"/

Answer 2

你應該改變

doc = Nokogiri::HTML(open(url))

至

doc = Nokogiri::HTML(open(url).read)

更新：或者可能不是:)實際上你的代碼適用於我，使用ruby 1.8.7 / nokogiri 1.4.0