我一直在尋找rubyforge上的XML和HTML庫，以便將數據從網頁中提取出來。例如，如果我想解析一個用戶頁面上的stackoverflow我怎樣才能將數據轉換爲可用的格式？在Ruby中解析網頁的最佳方式是什麼？
假設我想解析我自己的用戶頁面以獲取當前的聲望得分和徽章列表。我試圖將從我的用戶頁面檢索到的源代碼轉換爲xml，但由於缺少div，轉換失敗。我知道我可以做一個字符串比較，並找到我正在尋找的文本，但必須有一個更好的方法來做到這一點。
我想將它合併到一個簡單的腳本中，該腳本在命令行處吐出我的用戶數據，並可能將其擴展到GUI應用程序中。
嘗試hpricot，其良好...真棒
我已經使用了好幾次的屏幕抓取。
不幸的是，stackoverflow聲稱是XML但實際上不是。 Hpricot然而，可以解析這個標籤湯爲您的元素樹。
require 'hpricot'
require 'open-uri'
doc = Hpricot(open("http://stackoverflow.com/users/19990/armin-ronacher"))
reputation = (doc/"td.summaryinfo div.summarycount").text.gsub(/[^\d]+/, "").to_i
等等。
我總是很喜歡Ilya Grigorik寫的東西，以及他使用hpricot的wrote up a nice post。
我也read this post一會兒回來，它看起來會對你有用。
我自己也沒有做過，所以YMMV，但這些似乎很有用。
它似乎是一個老話題，但這裏是一個新的話題。例如獲得聲望：
#!/usr/bin/env ruby
require 'rubygems'
require 'hpricot'
require 'open-uri'
user = "619673/100kg"
html = "http://stackoverflow.com/users/%s?tab=reputation"
page = html % user
puts page
doc = Hpricot(open(page))
pars = Array.new
doc.search("div[@class='subheader user-full-tab-header']/h1/span[@class='count']").text.each do |p|
pars << p
end
puts "reputation " + pars[0]
不要在你的遊行上下雨，但最優秀的http：//modos.org/sof/？u = ??? （其中???是你的id，對你來說是22423）可能已經做了你想要的。有關更多詳細信息，請參閱http://stackoverflow.com/questions/61553/track-your-reputation – SCdF 2008-09-26 05:05:43