Ruby Mechanize，Nokogiri和Net :: HTTP

Question

我正在使用Net :: HTTP進行HTTP請求並獲得響應：

uri = URI("http://www.example.com")
http = Net::HTTP.start(uri.host, uri.port, proxy_host, proxy_port)
request = Net::HTTP::Get.new uri.request_uri
response = http.request request # Net::HTTPResponse object
body = response.body

如果我必須使用Nokogiri gem來解析這個HTML響應，我會這樣做：

nokogiri_obj = Nokogiri::HTML(body)

但是如果我想使用Mechanize gem我需要這樣做：

agent = Mechanize.new
mechanize_obj = agent.get("http://www.example.com")

我是否可以使用Net :: Http獲取HTML響應，然后使用Mechanize gem將其轉換為Mechanize對象而不是使用agent.get() ？

---

編輯：

繞過agent.get()方法的原因是因為我試圖使用EventMachine::Iterator來發出並發的EM-HTTP請求。

EventMachine.run do
  EM::Iterator.new(urls, 3).each do |url,iter|
    puts "giving   #{url}   to httprequest now"
    http = EM::HttpRequest.new(url).get
    http.callback { |resp|
      uri = resp.send(:URI, url)
      puts "inside callback of #{url}"
      body = resp.response
      page = agent.parse(uri, resp, body)
    }
    iter.next
  end
end

但它不起作用。 我收到一個錯誤：

/usr/local/rvm/gems/ruby-1.9.3-p194/gems/mechanize-2.5.1/lib/mechanize.rb:1165:in`parse': undefined method `[]' for #<EventMachine::HttpClient:0x0000001c18eb30> (NoMethodError)

當我使用Net::HTTP的parse方法時，它工作正常，我得到了Mechanize對象：

 uri = URI("http://www.example.com")
 http = Net::HTTP.start(uri.host, uri.port, proxy_host, proxy_port)
 request = Net::HTTP::Get.new uri.request_uri
 response = http.request request # Net::HTTPResponse object
 body = response.body
 agent = Mechanize.new
 page = agent.parse(uri, response, body)     

我在使用em-http時是否為parse方法傳遞了錯誤的參數？

Answer 1

我不確定你為什么認為使用Net :: HTTP會更好。 Mechanize將處理重定向和cookie，並提供對Nokogiri解析文檔的隨時訪問。

require 'mechanize'

agent = Mechanize.new
page = agent.get('http://www.example.com')

# Use Nokogiri to find the content of the <h1> tag...
puts page.at('h1').content # => "Example Domains"

注意，設置user_agent不一定要到達example.com。

---

如果您想使用線程引擎來檢索頁面，請查看Typhoeous和Hydra 。

Answer 2

看起來Mechanize有一個parse方法 ，所以這可以工作：

mechanize_obj = Mechanize.parse(uri, response, body)