
平台论坛博客文库

› 论坛 › 程序设计 › Ruby › Nokogiri的xpath("//script")与正则取出来的不一致 ...

script")与正则取出来的不一致 [复制链接]

yakczh

家境小康

论坛徽章:: 0

电梯直达

1楼 [收藏(0)] [报告]

发表于 2011-02-12 17:14 |只看该作者 |倒序浏览

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

文库|博客

yakczh

家境小康

论坛徽章:: 0

2楼 [报告]

发表于 2011-02-16 22:15 |只看该作者

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

script-out.rar (103.49 KB, 下载次数: 25)

实战分享：从技术角度谈机器学习入门| 【大话IT】RadonDB低门槛向MySQL集群下战书 | ChinaUnix打赏功能已上线！ | 新一代分布式关系型数据库RadonDB知多少？

返回列表

Chinaunix › 论坛 › 程序设计 › Ruby › Nokogiri的xpath("//script")与正则取出来的不一致 ...