改進正則表達式方法

我試圖改進這種方法來搜索演員維基頁面並將其所有的電影鏈接。目前，我正在使用nokogiri解析頁面和正則表達式來檢索標題中包含單詞「（電影）」的所有鏈接，但仍然錯過了我需要的大多數鏈接。有沒有人有建議檢索更多相關鏈接？改進正則表達式方法

def find_films_by_actor(doca, out = []) 
     puts "Entering find_films_by_actor with #{find_name_title(doca)}." 
     all_links = doca.search('//a[@href]') 
     all_links.each do |link| 
      link_info = link['href'] 
      if link_info.include?("(film)") && !(link_info.include?("Category:") || link_info.include?("php")) 
       then out << link_info end 
      end 
     out.uniq.collect {|link| strip_out_name(link)} 
    end

來源

2012-11-09 shanahobo86

維基通常只使用t他（電影）後綴，當有另一種類型的媒體同名時，就像一本基於它的書或它是一個常見的短語，所以你會錯過很多「原創」的標題。 – siame

是的，這是真的，但僅限於用戶的眼睛。如果您查看維基頁面來源，您會看到一些（不是全部）演員電影都附有（電影）標籤。我只是試圖設計一種找到這些沒有電影標籤的鏈接 – shanahobo86

等待，是（電影）是在標題屬性，文本或href – pguardiario

我覺得很乾淨，以獲得在鏈接你想用CSS：

links = doc.search 'a[title*="(film)"]'

你甚至可以做節點集數學來縮小範圍：

links -= doc.search 'a[title*=foo]'

要獲得唯一的名稱（來自文本）：

links.map(&:text).uniq

來源

2012-11-09 03:50:58 pguardiario

非常感謝您的幫助！ – shanahobo86

改進正則表達式方法

回答

相關問題