标签:com http blog style class div code c log tar t
instance_methods(false)
输出Mechanize模块的所有方法Ruby中实现网页抓取,一般用的是mechanize,使用非常简单。
安装
sudo gem install mechanize
抓取网页
require ‘rubygems‘ require ‘mechanize‘ agent = Mechanize.new page = agent.get(‘http://google.com/‘)
模拟点击事件
page = agent.page.link_with(:text => ‘News‘).click
模拟表单提交
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
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
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
agent.get("http://google.com").save_as
转载自:http://www.cnblogs.com/Stoned/archive/2012/02/23/2364389.html
Ruby:Mechanize的使用教程,布布扣,bubuko.com
标签:com http blog style class div code c log tar t
原文地址:http://www.cnblogs.com/hongfei/p/3699029.html