Pienso tomar un mooc de scraping con Ruby on Rails, para sacar el máximo provecho al curso estoy leyendo unos tutoriales como hacer scraping y adelantándome a las posibles tareas.
Creé en github una página web que simula los datos que quiero extraer:
https://rrg1459.github.io/extraerDatos/
Y tengo el siguiente helper llamado clientes_helper.rb
que me extrae los datos correctamente:
module ClientesHelper
def consulta_cliente
require 'open-uri'
require 'nokogiri'
url = "https://rrg1459.github.io/extraerDatos/"
begin
@hayInternet = true
doc = Nokogiri.HTML(open(url))
inline_script = doc.search('//tr')
inline_script.each do |script|
linea = script.text.strip
linea = linea.gsub("\t","")
linea = linea.gsub("\n","")
linea = linea.gsub("</table>","")
linea = linea.gsub("<tr>","")
linea = linea.gsub("<td>","")
linea = linea.gsub("</td>","")
linea = linea.gsub("<b>","")
linea = linea.gsub("</b>","")
linea = linea.gsub("</tr>","")
linea = linea.gsub("<td align=\"left\">","")
linea = linea.gsub(" ","")
linea = linea.gsub("<font color=\"#00387b\">","")
if /ID/ =~ linea
@id_cliente = linea.split(':')[1]
elsif /Nombre/ =~ linea
@cliente_nombre = linea.split(':')[1]
elsif /stado/ =~ linea
@cliente_estado = linea.split(':')[1]
elsif /REGULAR/ =~ linea
@cliente_regular = linea.split(':')[1]
elsif /Dirección/ =~ linea
@direccion_cliente = linea.split(':')[1]
end
end
rescue
@hayInternet = false
end
end
end
Pero se ve horrible y no es la mejor técnica, creo que puede ser ofensivo a algunos ojos experimentados y de antemano pido disculpas.
Estoy bastante consciente del principio de Ruby on Rails de ”convención sobre configuración” y trato de ser fiel a este principio y no logro hacer que se vea limpio, parco, preciso.
Y la verdad, estoy más enredado que perro comiendo chicle.
Alguien me puede guiar sobre como es la mejor práctica para extraer estos datos de una forma elegante tipo Ruby.
De antemano agradecido por la ayuda que me puedan dar.