ruby - 我正在尝试提取 html 页面上的每个 href 链接以使用 nokogiri 和 xpath 进行评估

Question

我正在尝试提取 html 页面上的每个 href 链接以使用 nokogiri 和 xpath 进行评估。到目前为止，我所拥有的似乎只是将页面标题拉出来。我对链接标题不感兴趣，只对指向的 URL 感兴趣。

这是我所拥有的:

doc = Nokogiri::HTML(open("http://www.cnn.com"))
doc.xpath('//a').each do |node|
  puts node.text
end

谁能指导我如何更正此问题，以便我提取实际的 href 而不是文本本身？

Answer 1

您的//a 的 XPATH 正在拉回所有元素。其中包括文本内容。您可以使用@attrname 来访问属性。例如

//a/@href

会得到文档中每个 a 的 href