【发布时间】：2014-01-23 04:49:02
【问题描述】：
是否有任何选项可以使用 ruby 仅从网页中提取内容。 （避免链接和其他东西）
【问题讨论】：
标签： ruby ruby-on-rails-4 boilerpipe
【发布时间】：2014-01-23 04:49:02
【问题描述】：
要进行网络抓取，您应该使用 gem mechanize 和 nokogiri 进行 dom 解析。
【讨论】：
-
我曾使用 mechanize 来报废，但boilerpipe 库在python 中仅提取网页的文章内容时效果更好。我想知道有没有类似boilerpipe的gem。
-
Mechanize是该工作最快的库，nokogiri将允许您只抓取您想要的页面部分。 （文章） -
是否可以在不使用 mechanize 和 nokogiri 传递 css 或 html 标签的情况下从不同的网站抓取内容？？？？
-
不解析 dom 就无法使用任何工具进行抓取。你需要告诉它你想抓取什么。
-
不，我不会分享我的个人联系信息。如果您需要帮助，请在此处发布您的问题，有人会回复。我需要尽快去，所以如果你想分享 URL，我可以让你开始使用 XPATH
我会推荐Scrapy。它是 Python，而不是 Ruby，但您只需花费很少的精力就可以做到这一点非常棒。
【讨论】：
-
谢谢，我会通过Scrapy。