Rails 从 HTML 中获取标题标签答案

【问题标题】：Rails fetch title tag from HTMLRails 从 HTML 中获取标题标签
【发布时间】：2012-10-24 23:02:02
【问题描述】：

在我的 Rails 控制器中，我有一个用户提供的 URL。我想从该 URL 的 HTML 中的 <title>...</title> 标记中提取标题，并将其分配给变量 title。我该怎么做？

编辑：在不使用外部包/库的情况下这样做会更好

【问题讨论】：

【解决方案1】：

我刚刚尝试使用HTTParty 来获取文档，并使用Nokogiri 来解析它：

Nokogiri::HTML::Document.parse(HTTParty.get("http://www.google.com").body).title
#=> "Google"

更新：

这适用于 Net:HTTP，它是 ruby 标准库的一部分，以及一个正则表达式：

Net::HTTP.get(URI("http://twitter.com")) =~ /<title>(.*?)<\/title>/
$1 # get the first result from the matching
#=> "Twitter"

更新：

=~ 称为“match”是String 上的一个方法，用于将正则表达式与字符串进行匹配。和Regexp#match基本一样，只是receiver和argument倒置了。

string = "<title>my title</title>
regexp = /<title>(.*?)<\/title>/

string =~ regexp
$1 # => "my title"

regexp.match(string)
$1 # => "my title"

当您获取的 HTML 文档不包含标题或标题标签时会发生什么？

"<title></title>" =~ regexp
$1 # => ""

"" =~ regexp
$1 # => nil

【讨论】：

感谢您的回复。我以后可能会尝试，但如果我可以在不使用外部包/库的情况下做到这一点，那就太好了。
谢谢，Net:HTTP 解决方案似乎有效。你能解释一下=~ 部分的作用吗？另外，如果页面不包含<title> 标签会怎样？
好的，现在很清楚了 :) 顺便说一句，我尝试输入 <title>The new home</title>，但 $1 变量的值是 The new home。你知道这是为什么吗？
（在<title> 标签中，“The”和“new”之间有几个空格，但 Stackoverflow 不会这样显示。）
刚试过，它可以保留所有空格。正则表达式和匹配器不会删除它，抱歉，我不知道是什么导致了问题。