如何通过Mechanize和Nokogiri抓取数据？

Question

我正在开发一个从http://www.screener.in/获取超文本标记语言的应用程序。

我可以输入像"Atul Auto Ltd“这样的公司名称并提交它，然后从the next page中获取以下详细信息："CMP/BV”和"CMP“。

我使用的是以下代码：

require 'mechanize'
require 'rubygems'
require 'nokogiri'

Company_name='Atul Auto Ltd.'
agent = Mechanize.new
page = agent.get('http://www.screener.in/')
form = agent.page.forms[0]
print agent.page.forms[0].fields
agent.page.forms[0]["q"]=Company_name
button = agent.page.forms[0].button_with(:value => "Search Company")
pages=agent.submit(form, button)
puts pages.at('.//*[@id="top"]/div[3]/div/table/tbody/tr/td[11]')
# not getting any output.

代码将我带到正确的页面，但我不知道如何查询以获得所需的数据。

我尝试了不同的方法，但都没有成功。

如果可能的话，谁能告诉我一个很好的教程，它解释了如何从HTML页面中抓取特定的类。第一个CMP/BV的XPath为：

//*[@id="top"]/div[3]/div/table/tbody/tr/td[11]

但它没有给出任何输出。

Answer 1

使用Nokogiri时，我会这样做：

使用CSS选择器的

require 'nokogiri'
require 'open-uri'

doc = Nokogiri::HTML(open('http://www.screener.in/company/?q=Atul+Auto+Ltd.'))

doc.class
# => Nokogiri::HTML::Document
doc.css('.table.draggable.table-striped.table-hover tr.strong td').class
# => Nokogiri::XML::NodeSet

row_data = doc.css('.table.draggable.table-striped.table-hover tr.strong td').map do |tdata|
  tdata.text
end

 #From the webpage I took the below value from the table 
 #*Peer Comparison Top 7 companies in the same business*    

row_data
# => ["6.",
#     "Atul Auto Ltd.",
#     "193.45",
#     "8.36",
#     "216.66",
#     "3.04",
#     "7.56",
#     "81.73",
#     "96.91",
#     "17.24",
#     "2.92"]

查看网页上的表格，我可以看到CMP/BV和CMP分别是第12列和第3列。现在我可以从数组row_data中获取数据了。因此CMP是数组row_data的第二个索引，CMP/BV是最后一个值。

row_data[2] # => "193.45" #CMP
row_data.last # => "2.92" #CMP/BV

使用XPATH的

require 'nokogiri'
require 'open-uri'

doc = Nokogiri::HTML(open('http://www.screener.in/company/?q=Atul+Auto+Ltd.'))

p doc.at_xpath("//*[@id='peers']/table/tbody/tr[6]/td[3]").text
p doc.at_xpath("//*[@id='peers']/table/tbody/tr[6]/td[10]").text
# >> "193.45" #CMP
# >> "17.24"  #CMP/BV