css - 当 id 包含使用 Nokogiri 的特殊字符时，如何抓取 URL/文本

Question

我正在尝试从 https://webcat.schaeffler.com/web/schaeffler/pl/PKW/applicationSearch.xhtml 中抓取一些数据.

我开始构建我的应用程序的结构:

require 'nokogiri'
require 'open-uri'

class Scrape

  def first(strona)
      @page = Nokogiri::HTML(open(strona))
  end

  def marka(css)
      @page.css(css).text
  end

end

x = Scrape.new

x.first("https://webcat.schaeffler.com/web/schaeffler/pl/PKW/index.xhtml")
puts x.marka("a#searchByConstraints:form:j_idt491:0:j_idt493:0:j_idt495")

它应该放“ABARTH”，但 id 包含特殊字符，如 “:”，我唯一得到的是:

unexpected '0' after ':' (Nokogiri::CSS::SyntaxError)

我在“Is there a way to escape non-alphanumeric characters in Nokogiri css?”上找到了解决方案，所以我将代码的最后一行更改为:

puts x.marka('*[id="searchByConstraints:form:j_idt491:0:j_idt493:0:j_idt495"]')

它返回一个空字符串，但我不知道为什么。

目标站点上的元素如下所示:

<a id="searchByConstraints:form:j_idt491:0:j_idt493:0:j_idt495" href="/web/schaeffler/pl/PKW/3854/applicationSearch.xhtml" title="ABARTH">ABARTH</a>

我做错了什么，或者它在我的情况下不起作用。

Answer 1

这些 id 是非标准的 CSS，因此您不能像搜索普通标签那样搜索它们，这类似于 <div id="this-is-normal">。 .相反，您需要匹配 div 的 id 中的模式。

我想这就是你需要的:

@page.css('div[id^="searchByConstraints:form:j_idt491"]')

所以对你来说是:

x.marka('div[id^="searchByConstraints:form:j_idt491"]')

作为旁注，我建议您将类(class)命名为 Scrapper或 Scrape而且最好在类之后命名实例变量，所以

scrapper = Scrapper.new
scrapper.marka('blah') # etc. maybe you mean marker?