如何使用nokogiri和机械化从<script>标签中提取文本？

这是一个订票网站的源代码的一部分：如何使用nokogiri和机械化从<script>标签中提取文本？

<script> 
booking.ensureNamespaceExists('env'); 
booking.env.b_map_center_latitude = 53.36480155016638; 
booking.env.b_map_center_longitude = -2.2752803564071655; 
booking.env.b_hotel_id = '35523'; 
booking.env.b_query_params_no_ext = '?label=gen173nr-17CAEoggJCAlhYSDNiBW5vcmVmaFCIAQGYAS64AQTIAQTYAQHoAQH4AQs;sid=e1c9e4c7a000518d8a3725b9bb6e5306;dcid=1'; 
</script>

而且我想提取booking.env.b_hotel_id。所以我会得到'25523'的值。我如何用nokogiri和机械化来实现这一点？

希望有人能帮助！谢谢！ :)

来源

2015-10-18 Rizal Yusoff

require 'mechanize' 

agent = Mechanize.new 
page = agent.get('http://www.booking.com/hotel/us/solera-by-stay-alfred.html?label=gen173nr-17CAEoggJCAlhYSDNiBW5vcmVmcgV1c19ueYgBAZgBMbgBBMgBBNgBAegBAfgBAg;sid=695d6598485cb1a8fd9e39c5de3878ba;dcid=4;checkin=2015-10-20;checkout=2015-10-21;dist=0;group_adults=2;room1=A%2CA;sb_price_type=total;srfid=cf5d76283b73d34a1d7e0d61cad6974e38a94351X1;type=total;ucfs=1&') 

match = agent.page.search("script").text.scan(/^booking.env.b_hotel_id = \'.*\'/) 
puts match 
puts match[0].split("'")[1]

输出：

booking.env.b_hotel_id = '1202411' 
1202411

页面，帮助我弄清楚了这一点：

http://robdodson.me/crawling-pages-with-mechanize-and-nokogiri/

Parsing javascript function elements with nokogiri

Regular expression - starting and ending with a character string

http://www.rubular.com

来源

2015-10-18 21:00:12 Jason

嗨，谢谢！但如果我想提取其他信息，如b_map_center_latitude或b_map_center_longitude？它会一样吗？并像这样：.scan（/^booking.env._map_center_latitude = \'。* \'/）？ –

由于这些变量的值不是字符串，因此不用引号括起来，你可能想要拿掉每个'\'，并用'\;'替换后者来限制分号上的正则表达式，如下所示： '/^booking.env.b_map_center_latitude =。* \; /'但是，我在booking.com上找到的页面用逗号结束了每个变量声明行，因此您可能需要'/^booking.env.b_map_center_latitude =。* \，/'代替。与Rubular玩耍，这是有趣的和教育！ – Jason

我试过/^booking.env.b_map_center_latitude =。* \，/但没有得到任何回报。！只是空字符串...我仍然觉得这是很难理解:( –

如何使用nokogiri和机械化从<script>标签中提取文本？

回答

相关问题