nokogiri是ruby的gem,常用來解析xml/html,爬取網路資料等.
安裝方式
基礎語法
直接以字串形式獲取nokogiri物件:
html_doc = nokogiri::html("
")
xml_doc = nokogiri::xml("alf
")
這裡的html_doc和xml_doc就是nokogiri檔案,它們可用的方法在這裡
也可以通過檔案控制代碼獲取nokogiri物件:
f = file.open("blossom.xml")
doc = nokogiri::xml(f)
f.close
還可以直接從**獲取:
require 'open-uri' doc = nokogiri::html(open(""))
可選項nokogiri提供了一些解析檔案時的可選項,常用的有:
從xml/html檔案裡抓取欄位的常用方法:
現在有乙個名為shows.xml的檔案,內容如下:
married with childrenname>
al bundycharacter>
bud bundycharacter>
marcy darcycharacter>
characters>
sitcom>
perfect strangersname>
balki bartokomouscharacter>
characters>
sitcom>
sitcoms>
the a-teamname>
john "hannibal" smithcharacter>
templeton "face" peckcharacter>
"b.a." baracuscharacter>
"howling mad" murdockcharacter>
characters>
drama>
dramas>
root>
@doc = nokogiri::xml(file.open("shows.xml"))
@doc.xpath("//character")
xpath和css方法,返回的是乙個結點列表,類似於乙個陣列,它的內容就是從檔案中查詢出來的符合匹配規則的結點.
把dramas結點裡的character結點列表查出來:
@doc.xpath("//dramas//character")
更有可讀性的css方法:
characters = @doc.css("sitcoms name")
# => ["married with children", "perfect strangers"]
當已知查詢結果唯一時,如果想直接返回這個結果,而不是列表,可以直接使用at_xpath或at_css:
@doc.css("dramas name").first # => "the a-team"
@doc.at_css("dramas name") # => "the a-team"
namespaces
對於有多個標籤的情況,命名空間就起到非常大的作用了.
例如有這樣乙個parts.xml檔案:
xmlns="">
all weathertire>
studdedtire>
extra widetire>
inventory>
xmlns="">
streettire>
mountaintire>
inventory>
parts>
@doc = nokogiri::xml(file.read("parts.xml"))
car_tires = @doc.xpath('//car:tire', 'car' => '')
bike_tires = @doc.xpath('//bike:tire', 'bike' => '')
為了讓namespace的使用更方便,nokogiri會自動繫結在根結點上找到的合適的任何namespace.
nokogiri會自動關聯提供的url,這個慣例可以減少**量.
例如有這樣乙個atom.xml檔案:
xmlns="">
example feedtitle>
href=""/>
2003-12-13t18:30:02zupdated>
john doename>
author>
urn:uuid:60a76c80-d399-11d9-b93c-0003939e0af6id>
atom-powered robots run amoktitle>
href="2003/12/13/atom03"/>
urn:uuid:1225c695-cfb8-4ebb-aaaa-80da344efa6aid>
2003-12-13t18:30:02zupdated>
some text.summary>
entry>
feed>
@doc.xpath('//xmlns:title')
# => ["example feed", "atom-powered robots run amok"]
同樣情況,css的用法:
@doc.css('xmlns|title')
並且在使用css方式時,如果namespaces名字是xmlns,那麼連這個詞本身都可以忽略掉:
@doc.css('title')
Nokogiri 中文亂碼的幾種情況
color red 更新 color 2011 11 15 有些不是ie上的了 如果不確定目標是什麼編碼，ruby1.9開始可以用string類內建的encoding來得到編碼。puts iconv.iconv utf 8 doc.to s.encoding.to s,doc 使用 ignore忽略...
SVN使用使用教程
本人在公司孤兒式開發，是用不到svn這種工具的，但是怕突然某一天電腦壞掉，消失所以還是使用上 管理工具。簡單概括一下svn它是 幹什麼的 一群人寫 每乙個人寫的部分都不一樣，但是專案是乙個整體，每個人的 需要合到一起才是乙個完整的專案，但是每乙個人寫的 又不可能出現在其他人的電腦上，所以使用svn專...
Git使用教程
提起git,大家無疑會想到github,沒錯,我就是通過眾多的github專案鏈結了解到的git,不知你是否也在走這條路呢?如果是的話,本文有一些有用的總結性文字以及一些 git教程 可以教會你如何去使用 git.當然,這些對 github 同樣適用.這裡我又翻到了個幻燈片,可以供大家 寫給大家的 ...