使用 Nokogiri 和 Mechanize 抓取连续页面直到最后一页

Question

我正在尝试从网站上抓取多个页面。我想抓取一个页面，然后单击下一步，获取该页面，然后重复直到我到达终点。到目前为止我写了这个：

page = agent.submit(form, form.buttons.first)
#submitting a form
while lien = page.link_with(:text=>'Next')
  # while I have a next link on page, keep scraping
  html_body = Nokogiri::HTML(body)
  links = html_body.css('.list').xpath("//table/tbody/tr/td[2]/a[1]")
  links.each do |link|
    purelink = link['href']
    puts purelink[/codeClub=([^&]*)/].gsub('codeClub=', '')
    lien.click
  end
end

不幸的是，使用这个脚本我在无限循环中继续抓取同一页面...我怎样才能实现我想做的事情？

Answer 1

我会试试这个，将 lien.click 替换为 page = lien.click。

Answer 2

它应该看起来更像这样：

page = form.submit form.button
scrape page

while link = page.link_with :text => 'Next'
  page = link.click
  scrape page
end

此外，您不需要使用 nokogiri 解析页面主体，mechanize 已经为您完成了。

使用 Nokogiri 和 Mechanize 抓取连续页面直到最后一页

Scraping successive pages until the last page using Nokogiri and Mechanize

ruby

mechanize

nokogiri

web-scraping