从RSS提要中提取文本时出现问题

Question

我是Ruby和Rails世界的新手。

我看过rails使用190，所以我才开始使用它。我使用选择器小工具找出CSS和XPath。

我有以下代码..

require 'rubygems'  
require 'nokogiri'  
require 'open-uri'  

url = "http://www.telegraph.co.uk/sport/football/rss"  
doc = Nokogiri::HTML(open(url))  
doc.xpath('//a').each do |paragraph|
puts paragraph.text
end

当我用css从一个普通的HTML页面中提取文本时，我可以在控制台上获得提取的文本。

但是，当我尝试对上面代码中提到的以下URL的RSS Feed使用CSS或XPath执行相同的操作时，我没有得到任何输出。

如何从RSS提要中提取文本？？

我还有另一个愚蠢的问题。

有没有办法从2个不同的提要中提取文本并将其显示在控制台上

就像这样

url1 = "http://www.telegraph.co.uk/sport/football/rss"
url2 = "http://www.telegraph.co.uk/sport/cricket/rss"

期待您的帮助和建议

谢谢

Gautam

Answer 1

Rss页面不是HTML文档，它是XML，所以你应该使用Nokogiri::XML(open(url))

然后查看rss页面的源代码。没有<a>元素。

文档中的所有链接都是使用<link>标记创建的：

<link>http://www.telegraph.co.uk/sport/football/world-cup-2010/teams/france/7769203/France-2-Costa-Rica-1-match-report.html</link> 

每篇文章的链接也被复制为<guid>标记，因为文章的ID就是它的URL。

<guid>http://www.telegraph.co.uk/sport/football/world-cup-2010/teams/france/7769203/France-2-Costa-Rica-1-match-report.html</guid> 

因此，如果您需要文档中的所有链接，请使用：

url = "http://www.telegraph.co.uk/sport/football/rss"  
doc = Nokogiri::XML(open(url))  
doc.xpath('//link').each do |paragraph|
  puts paragraph.text
end

如果您只需要文章的链接，请使用doc.xpath('//guid')

对于许多提要，只需使用循环即可

feeds = ["http://www.telegraph.co.uk/sport/football/rss", "http://www.telegraph.co.uk/sport/cricket/rss"]
feeds.each do |url|
  #and here goes code as before
end

Answer 2

如果您正在处理提要，则应该使用Feedzilla

http://railscasts.com/episodes/168-feed-parsing

http://github.com/pauldix/feedzirra

就像一种护身符。

祝好运!

Answer 3

您已经安装了libxml2 libxml2-dev libxslt libxslt-dev