Ruby爬虫技术:深度解析Zhihu网页结构




require 'nokogiri'
require 'open-uri'
 
# 定义一个方法来下载和解析知乎页面
def parse_zhihu_page(url)
  # 使用Nokogiri和open-uri下载页面
  doc = Nokogiri::HTML(open(url))
 
  # 提取问题标题
  question_title = doc.css('head title').text.match(/.*? - Zhihu/) { |m| m[0].delete(' - Zhihu') }
 
  # 提取问题详情
  question_details = doc.css('.QuestionHeader-detail').text
 
  # 提取所有高质量回答的用户名
  top_answers = doc.css('.AnswerItem').map do |answer|
    author = answer.css('.AnswerItem-authorName a').text
    { author: author }
  end
 
  # 返回一个包含所有信息的哈希
  {
    title: question_title,
    details: question_details,
    top_answers: top_answers
  }
end
 
# 使用方法
url = 'https://www.zhihu.com/question/29134179'
parsed_data = parse_zhihu_page(url)
puts parsed_data

这段代码使用了Nokogiri库来解析HTML,并使用OpenURI来下载知乎页面。代码提取了问题标题、详情,并遍历高质量回答列表来提取作者名字。最后,它返回了一个包含所有提取信息的哈希。这个例子展示了如何使用Ruby进行基本的网页爬取和数据解析。

最后修改于:2024年08月16日 14:17

评论已关闭

推荐阅读

DDPG 模型解析,附Pytorch完整代码
2024年11月24日
DQN 模型解析,附Pytorch完整代码
2024年11月24日
AIGC实战——Transformer模型
2024年12月01日
Socket TCP 和 UDP 编程基础(Python)
2024年11月30日
python , tcp , udp
如何使用 ChatGPT 进行学术润色?你需要这些指令
2024年12月01日
AI
最新 Python 调用 OpenAi 详细教程实现问答、图像合成、图像理解、语音合成、语音识别(详细教程)
2024年11月24日
ChatGPT 和 DALL·E 2 配合生成故事绘本
2024年12月01日
omegaconf,一个超强的 Python 库!
2024年11月24日
【视觉AIGC识别】误差特征、人脸伪造检测、其他类型假图检测
2024年12月01日
[超级详细]如何在深度学习训练模型过程中使用 GPU 加速
2024年11月29日
Python 物理引擎pymunk最完整教程
2024年11月27日
MediaPipe 人体姿态与手指关键点检测教程
2024年11月27日
深入了解 Taipy:Python 打造 Web 应用的全面教程
2024年11月26日
基于Transformer的时间序列预测模型
2024年11月25日
Python在金融大数据分析中的AI应用(股价分析、量化交易)实战
2024年11月25日
AIGC Gradio系列学习教程之Components
2024年12月01日
Python3 `asyncio` — 异步 I/O,事件循环和并发工具
2024年11月30日
llama-factory SFT系列教程:大模型在自定义数据集 LoRA 训练与部署
2024年12月01日
Python 多线程和多进程用法
2024年11月24日
Python socket详解,全网最全教程
2024年11月27日