Ruby如何收集所有.txt文件中的链接，形成长尾关键词？
- 内容介绍
- 文章标签
- 相关推荐
本文共计302个文字，预计阅读时间需要2分钟。
我需要检索HTML文档中所有文本文件的链接，我不知道最好的方法是什么，但我在Ruby中尝试了以下内容：`line.scan(/a href=([^]*)/)`。但我不确定这个表达式是否能够覆盖指向文本文件的链接。
我需要检索 HTML文档中文本文件的所有链接,我不知道最好的方法是什么,但是,我在ruby中尝试了以下内容…line.scan(/<a href="([\w+:\/.-]*.txt)/)
但我不确定这个表达式是否涵盖指向文本文件的所有可能链接,我想知道是否有一些内置的正则表达式？或者如果有人知道更好的方法来检索巨大网页中文本文件的所有链接.
这将遍历HTML并找到所有扩展名为“.txt”的href：#!/usr/bin/env ruby require 'nokogiri' html = <<EOT <html> <head><title>foo</title></head> <body> <a href="file.txt">text file</a> <a href="file.jpg">jpg file</a> <a href="file2.txt">text file 2</a> </body> </html> EOT doc = Nokogiri::HTML(html) puts doc.search('a').select { |n| n['href'][/\.txt$/] }.map{ |n| n['href'] } > file.txt > file2.txt
它正在使用Nokogiri来解析内容,这比尝试使用正则表达式更加防弹.
本文共计302个文字，预计阅读时间需要2分钟。
我需要检索HTML文档中所有文本文件的链接，我不知道最好的方法是什么，但我在Ruby中尝试了以下内容：`line.scan(/a href=([^]*)/)`。但我不确定这个表达式是否能够覆盖指向文本文件的链接。
我需要检索 HTML文档中文本文件的所有链接,我不知道最好的方法是什么,但是,我在ruby中尝试了以下内容…line.scan(/<a href="([\w+:\/.-]*.txt)/)
但我不确定这个表达式是否涵盖指向文本文件的所有可能链接,我想知道是否有一些内置的正则表达式？或者如果有人知道更好的方法来检索巨大网页中文本文件的所有链接.
这将遍历HTML并找到所有扩展名为“.txt”的href：#!/usr/bin/env ruby require 'nokogiri' html = <<EOT <html> <head><title>foo</title></head> <body> <a href="file.txt">text file</a> <a href="file.jpg">jpg file</a> <a href="file2.txt">text file 2</a> </body> </html> EOT doc = Nokogiri::HTML(html) puts doc.search('a').select { |n| n['href'][/\.txt$/] }.map{ |n| n['href'] } > file.txt > file2.txt
它正在使用Nokogiri来解析内容,这比尝试使用正则表达式更加防弹.