0

Necesito hacer un codigoque me lea paginas web, y que de paso recolecte la los enlaces de re direccionamiento y copie lo que tienen adentro, es en ruby

  require 'net/http'
  pagina = Net::HTTP.get(ARGV[0],ARGV[1])
  puts "...Leyendo la pagina....\n#{pagina}\n=========\n"

  ahref = "<a href"
  cierra ="</a>"
  startahref = pagina.gsub(ahref)
  cierraahref = pagina.gsub(cierra)
  img = "<img"
  cierra2 = ">"
  startimg =pagina.gsub(img)
  cierraimg = pagina.gsub(cierra2)

  puts startahref

  puts "<a href...</a> cantidad : "
  ahref2 = startahref..cierraahref
  puts pagina[ahref2]

  puts "<img ...> cantidad :"
  img2 = startimg..cierraimg
  puts pagina[img2]
1
  • No queda claro cuál es el problema. El código que publicaste, ¿presenta alguna falla, el resultado no es el esperado? Aclara en qué parte de tu código tienes el problema, los registros o resultados de tu depuración de código.
    – toledano
    el 5 nov. 2017 a las 22:52

1 respuesta 1

0

Para analizar código html/xml y similar no recomendaría hacerlo a mano (a menos que sea para efectos educativos); en su lugar deberías utilizar alguna librería específica para esa tarea, por ejemplo la gema Nokogiri.

Por ejemplo, para obtener los enlaces utilizando Nokogiri podrías hacer lo siguiente:

require 'nokogiri'
require 'net/http'

pagina  = Net::HTTP.get(ARGV[0],ARGV[1])
enlaces = Nokogiri::HTML(pagina).xpath('//a[@href]').map { |link| link['href'] }

puts enlaces

Esto te daría un arreglo con los enlaces (i.e. los valores de href de cada etiqueta a), no el contenido de la etiqueta como tal.

5
  • y como seria para las etiquetas de imagenes_ el 5 nov. 2017 a las 23:45
  • @FelipeOlayaOspina Sigue la misma nomenclatura //etiqueta[@atributo]; para la ruta de una imagen sería '//img[@src]'.
    – Gerry
    el 6 nov. 2017 a las 0:01
  • @FelipeOlayaOspina Si lo anterior no te funciona intenta con '//img/src'.
    – Gerry
    el 6 nov. 2017 a las 0:03
  • 1
    img = Nokogiri::HTML(pagina).xpath('//img/scr').map { |img| img[@scr] } el 6 nov. 2017 a las 0:38
  • 1
    imagenes = Nokogiri::HTML(pagina).xpath('/img[@src]').map { |link| link['src'] } el 6 nov. 2017 a las 13:44

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge that you have read and understand our privacy policy and code of conduct.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.