Come manipolare DOM con Ruby on Rails

Question

Come indicato dal titolo, ho alcune attività di manipolazione DOM. Ad esempio, desidero: - trovare tutti gli elementi H1 con colore blu. - trova tutto il testo che ha la dimensione 12px. - ecc.

Come posso farlo con Rails?

grazie .. :)

Aggiornamento

Ho fatto qualche ricerca sull'estrazione di contenuto della pagina web in base a questo carta->http://www.springerlink.com/index/A65708XMUR9KN9EA.pdf

La sintesi del passo è:

1. ottenere l'URL Web che voglio estrarre (pagina web singola)
2. afferrare alcuni elementi dalla pagina web sulla base di alcune regole visive (Es: afferrare tutte H1 che hanno colore blu)
3. processo gli elementi con il mio algoritmo
4. salvare il risultato nel mio database.

-Mi dispiace per il mio cattivo english-

Answer 1

Per risolvere in modo affidabile che colore un elemento arbitrario su una pagina web è, si avrebbe bisogno di reverse engineering di un browser (per prendere accuratamente in considerazione i fogli di stile, hack di markup, tag, immagini, ecc.).

Un approccio molto più semplice sarebbe quello di incorporare un browser esistente come gecko in un'applicazione personalizzata di produzione.

Come lo spider avrebbe sfogliato le pagine, le avrebbe passate all'istanza di gecko incorporata in cui era possibile utilizzare getComputedStyle per individuare il colore di un singolo elemento.

Originariamente menzionato per voler utilizzare Ruby on Rails per questo progetto, Rails è un framework per la scrittura di applicazioni di presentazione e davvero inadatto per un progetto come questo.

Come punto di partenza, ti consiglio di controllare RubyGnome, in particolare la funzionalità Gtk::MozEmbed di RubyGnome.

Answer 2

Se quello che stai cercando di fare è manipolare documenti HTML all'interno di un'applicazione di rotaie, dovresti dare un'occhiata a Nokogiri.

Usa XPath per cercare nel documento. Con quanto segue, si troverà qualsiasi h1 con la classe css "blu" all'interno di un documento.

require 'nokogiri' 
require 'open-uri' 

doc = Nokogiri::HTML(open('http://www.stackoverflow.com')) 
doc.xpath('//h1/a[@class="blue"]').each do |link| 
    puts link.content 
end 

Dopo, se quello che si stava tentando di fare è stato infatti analizzare il DOM della pagina corrente, si dovrebbe dare un'occhiata a Javascript e JQuery. Le rotaie non possono farlo.

Answer 3

http://railscasts.com/episodes/190-screen-scraping-with-nokogiri