NokogiriでHTMLコードからメールアドレスを取得するにはどうすればよいですか？私は正規表現で考えているが、それが最善の解決策かどうかわからない。これは、いくつかのタグの間にない場合は、メールアドレスを取得するには鋸山方法を存在する場合NokogiriでHTMLコードからメールアドレスを取得するにはどうすればよいですか？
例コード
<html>
<title>Example</title>
<body>
This is an example text.
<a href="mailto:[email protected]">Mail to me</a>
</body>
</html>
私の質問です。
おかげ
あなたは、XPathを使用してメールアドレスを抽出することができます。
セレクタ//aは、ページ上の任意のaタグを選択し、あなたが@構文を使用してhref属性を指定することができますので、//a/@hrefはあなたのページ上のすべてのaタグのhref Sを与えます。
異なるURLタイプ（例：http:// urls）のページに可能な組み合わせのaタグがある場合、xpath関数を使用して、選択したノードをさらに絞り込むことができます。 「MAILTO：」セレクタ
//a[starts-with(@href, \"mailto:\")]/@href
はあなたから始まるhref属性を持つすべてのaタグのhrefノードを与えます。
すべて一緒にこれを置くと、「MAILTO：」取り除くために少し余分なコードを追加し、属性値の開始から：
require 'nokogiri'
selector = "//a[starts-with(@href, \"mailto:\")]/@href"
doc = Nokogiri::HTML.parse File.read 'my_file.html'
nodes = doc.xpath selector
addresses = nodes.collect {|n| n.value[7..-1]}
puts addresses
テストファイルでは、次のようになります
を<html>
<title>Example</title>
<body>
This is an example text.
<a href="mailto:[email protected]">Mail to me</a>
<a href="http://example.com">A Web link</a>
<a>An empty anchor.</a>
</body>
</html>
このコードは、希望する[email protected]を出力します。 addressesは、ドキュメント内のmailtoリンク内のすべての電子メールアドレスの配列です。
は全体のhtmlページを取得し、正規表現を使用してみてください。
私はノコギリについて何も知らないと言ってこれを序文します。しかし、私はちょうど彼らのウェブサイトに行って、ドキュメントを見て、それはかなりクールだ。
電子メールリンクにemail_fieldクラス（またはそれを呼びたいもの）を追加すると、探しているものを行うようにサンプルコードを変更できます。
require 'nokogiri'
require 'open-uri'
# Get a Nokogiri::HTML:Document for the page we’re interested in...
doc = Nokogiri::HTML(open('http://www.yoursite.com/your_page.html'))
# Do funky things with it using Nokogiri::XML::Node methods...
####
# Search for nodes by css
doc.css('.email_field').each do |email|
# assuming you have than one, do something with all your email fields here
end
私があなただったら、そのドキュメントを見て、いくつかの例を試してみましょう。
ここでは、サイトの：http://nokogiri.org/
nokogiriを使用するには、電子メールフィールドのクラス/ IDを知りたいと思うでしょう。 – ScottJShea
HTMLのサンプルと試したコードを表示する必要があります。 HTMLなしでは、私たちが作る提案は全く役に立たない。コードでは、あなたが試したことを知ることができ、答えをコードに戻すのに役立ちます。 –