欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

Ruby中的Mechanize的使用教程

程序员文章站 2022-05-14 18:36:09
ruby中实现网页抓取,一般用的是mechanize,使用非常简单。 安装 复制代码 代码如下: sudo gem install mechanize 抓取网页...

ruby中实现网页抓取,一般用的是mechanize,使用非常简单。

安装

复制代码 代码如下:

sudo gem install mechanize

抓取网页
复制代码 代码如下:

require 'rubygems'
require 'mechanize'
agent = mechanize.new
page = agent.get('http://google.com/')

模拟点击事件
复制代码 代码如下:

page = agent.page.link_with(:text => 'news').click

模拟表单提交
复制代码 代码如下:

google_form = page.form('f')
google_form["q"] = 'ruby mechanize'
page = agent.submit(google_form, google_form.buttons.first)
pp page

分析页面,mechanize用的是nokogiri解析网页的,所以可以参照nokogiri的文档
复制代码 代码如下:

table = page.search('a')
text = table.inner_text
puts text

有几点注意的地方: 如果需要先登录的网页,那么可以在网站先登录,登录后记录jsessionid,然后赋值给agent
复制代码 代码如下:

cookie = mechanize::cookie.new("jsessionid", "ba58528b76124698ad033ee6df12b986:-1")
cookie.domain = "datamirror.csdb.cn"
cookie.path = "/"
agent.cookie_jar.add!(cookie)

如果需要保存网页,使用.save_as,(或许save也可以,我没试过)例如
复制代码 代码如下:

agent.get("http://google.com").save_as

小技巧

puts mechanize::agent_aliases 可以打印出所有可用的user_agent
puts mechanize.instance_methods(false) 输出mechanize模块的所有方法
puts mechanize.instance_methods()   输出mechanize模块的所有方法以及所继承的类的函数