Nokogiri的xpath("//script")与正则取出来的不一致
本帖最后由 yakczh 于 2011-02-12 22:55 编辑file="index.html" #index是163 的首页
page =File.open(file,:encoding => "gbk").readlines.join
#print page
doc = Nokogiri::HTML.parse(page,nil,"gb2312")
doc.xpath('//script').each do |link|
puts link
end
只有四个标签
page =File.open(file,:encoding => "gbk").readlines.join
out= page.scan(/<script.*?<\/script>/mi)
puts out.length
取出来有19个标签 分别用HTML::TreeBuilder,BeautifulSoap,Nokogiri抽取页面标签的结果
index.html 为测试页面
xpath为 //script
匹配结果
TreeBuilder: 37
BeautifulSoap：37 （内容未匹配全）
Nokogiri: 21
附匹配结果
页:
[1]