Obtener enlace de Mechanize/Nokogiri

Estoy tratando de descubrir la mejor manera de recuperar el enlace href de un nodo Nokogiri. Aquí es donde estoy

mech = Mechanize.new 
mech.get(HOME_URL) 

mech.page.search('.listing_content').each do |business| 
  website = business.css('.website-feature')
  puts website.class
  puts website.inner_html
end

salida =>

Nokogiri::XML::NodeSet
<a href="http://urlofsite.com" class="track-visit-website no-tracks"  onclick='omniture.callClick({"eVar6":6,"eVar9":1,"eVar21":"search_results","eVar50":null,"prop17":"cars","prop26":"64c15af0-a558-012f-a041-00215a4685f6","eVar42":"64c15af0-a558-012f-a041-00215a4685f6","prop27":6,"prop38":"search_results","prop39":1,"prop46":null,"events":"event6,event7","eVar51":optimostIDs.trialID.toString(),"eVar52":optimostIDs.segmentID.toString(),"eVar53":optimostIDs.creativeID.toString(),"eVar54":optimostIDs.subjectID.toString(),"prop47":null,"prop51":optimostIDs.trialID.toString(),"prop52":optimostIDs.segmentID.toString(),"prop53":optimostIDs.creativeID.toString(),"prop54":optimostIDs.subjectID.toString(),"prop56":"Saint+George%2C+UT","prop57":null,"prop58":false,"prop59":null,"eVar60":"relevancyTest2","prop60":"relevancyTest2","prop61":false,"prop62":null,"prop64":null,"prop67":null,"prop68":null,"prop70":null,"prop71":null});; atti_logs.attiClick({"iid":"651691e0-a558-012f-2ca7-18a9053c171a","lt":6,"ptid":"www.yellowpages.com","rid":"vendetta-236e7298-3a4f-4744-8ff5-4eb5fcc8e188","ypid":3848879,"lid":3848879,"vrid":"64c15af0-a558-012f-a041-00215a4685f6","nav":null});' rel="nofollow" target="_blank" title="Executive Service Ctr Website"><span class="raquo">»</span>  Website</a>

Básicamente, solo necesito obtener el http://urlofsite.com fuera de la inner_html, y no estoy seguro de cómo hacerlo. He leído sobre cómo hacerlo con CSS y XPATH, pero no puedo hacer que ninguno funcione en este momento. Gracias por cualquier ayuda

preguntado el 01 de julio de 12 a las 04:07

1 Respuestas

Primero, dígale a Nokogiri que obtenga un nodo, en lugar de un NodeSet. at_css recuperará el nodo y css recupera un NodeSet, que es como un Array.

En lugar de:

website = business.css('.website-feature')

Tratar:

website = at_css('a.track-visit-website no-tracks')

para recuperar la primera instancia de un <a> nodo con class="website-feature". Si no es la primera instancia que desea, deberá reducirla tomando el NodeSet y luego indexándolo. Sin el HTML que lo rodea, es difícil ayudar más.

Para obtener el href parámetro de un nodo, simplemente trate el nodo como un hash:

website['href']

debe regresar:

http://urlofsite.com

Aquí hay una pequeña muestra de IRB:

irb(main):001:0> require 'nokogiri'
=> true
irb(main):002:0> 
irb(main):003:0*   html = '<a class="this_node" href="http://example.com">'
=> "<a class=\"this_node\" href=\"http://example.com\">"
irb(main):004:0> doc = Nokogiri::HTML.parse(html)
=> #<Nokogiri::HTML::Document:0x8041e2ec name="document" children=[#<Nokogiri::XML::DTD:0x8041d20c name="html">, #<Nokogiri::XML::Element:0x805a2a14 name="html" children=[#<Nokogiri::XML::Element:0x805df8b0 name="body" children=[#<Nokogiri::XML::Element:0x8084c5d0 name="a" attributes=[#<Nokogiri::XML::Attr:0x80860170 name="class" value="this_node">, #<Nokogiri::XML::Attr:0x8086047c name="href" value="http://example.com">]>]>]>]>
irb(main):005:0> 
irb(main):006:0*   doc.at_css('a.this_node')['href']
=> "http://example.com"
irb(main):007:0>

Respondido 01 Jul 12, 05:07

Gracias por la info. Cada vez que intento tomar el nodo con at_css('a.track-visit-website no-tracks') devuelve una clase nil. Voy a editar mi publicación, siga adelante y eche un vistazo: ruevaughn

Después de revisarlo una vez más, pude obtenerlo exactamente como lo describiste. Gracias por ayudar, el hombre de hojalata tiene corazón después de todo ;) - ruevaughn

Me alegro de que haya funcionado. Nokogiri es un analizador XML/HTML increíble, así que gracias a ese equipo. - el hombre de hojalata

No es la respuesta que estás buscando? Examinar otras preguntas etiquetadas or haz tu propia pregunta.