删除 <head> 个问题，我需要 guide/assistance

Question

伙计们，我正在做一个网络解析器，它很好，但我看到 <head> 中的一些词把一切都搞砸了（body 中的 <strong> 也是如此） .我的代码是 This one here before nokogiri，但我是 ruby 编程新手，几个小时前才开始了解 Nokogiri。

我希望有人能帮助我完成这项工作。我需要阅读 URL，删除 <head> 和其中的所有内容，然后扫描页面其余部分的文字

PS：是否可以只带 body 来阅读？会更容易 PSS：关于<strong>个标签，很难去掉吗？

我的练习是计算页面中有多少个特定单词，而不是源代码，这就是为什么我只需要抓取 body 并删除一个标签

真的希望有人能帮助我>.< 谢谢大家！

这里是我的实际失败代码/纯原创是here

require 'open-uri'
require 'cgi'
require 'nokogiri'



class Counter

    def initialize(url)
        @url = url
    end

    def decapitate

        Nokogiri::HTML(url)

        url.css('head').remove.to_s
    end

    def scan(word)
        url.scan(word)
    end



end

url, word = ARGV

puts "Found #{Counter.new(url).open.decapitate.scan(word).length} maches."

Answer 1

那里有很多错误。

url in decapitate 是未定义的局部变量。您需要使用 @url.
Nokogiri::HTML 需要 IO 对象或字符串，而不是 URL。您可能想使用 open(@url) 来阅读 URL 内容（我假设，因为您需要 open-uri
Nokogiri::HTML return 是一个文档，但您没有将此 return 值存储在任何地方
因此，url（或者 @url）将是一个字符串，而字符串没有 css 方法；您想要将 css 应用于文档而不是
remove将return被移除的节点；作为方法中的最后一件事，那将是 returned 的内容。因此 decapitate 将 return head 节点的文本。
最后，...decapitate.scan会调用String#scan方法，而不是你定义的方法。

你可以按如下方式做你想做的事：

def count(pattern, url)
  doc = Nokogiri::HTML(open(url))
  doc.css('head').remove
  doc.text.scan(pattern).size
end

删除 <head> 个问题，我需要 guide/assistance

Removing <head> issues, I need guide/assistance

ruby

parsing

rubygems

html-parsing

nokogiri