hpricot中的分段錯誤

Question

我正在使用hpricot來讀取HTML。我遇到了分段錯誤錯誤，我搜索了一些，並且有人說升級到最新版本的Ruby。我使用rails 2.3.2和ruby 1.8.7。如何解決這個錯誤？

Answer 1

那麼，根據你自己的問題，我會說「升級到最新版本的Ruby」。但是，我也遇到了hpricot segfaulting問題，這似乎與我使用線程有關。

Answer 2

這似乎是bug列表中的一個突出問題。我曾經歷過。我的理論與HTML結構或文件中的壞/損壞字符有關，但我沒有找到確切的地方。

這裏是鏈接到的問題：

• http://github.com/why/hpricot/issues/#issue/10
• http://github.com/why/hpricot/issues/#issue/4

Answer 3

如果你可以自由選擇你的HTML解析庫，打開它。 爲什麼Hpricot的創造者最近宣佈，現在應該更好地使用Nokogiri而不是HPricot。

你也可以看看HTTParty。

Answer 4

我有同樣的段錯誤問題，但可悲的是無法諮詢上面引用的問題，甚至通過谷歌緩存 - 從我一直在使用google搜索parse.rb segfaults必須做與編碼實體或ALT字符集（重音字符也許）

的sanitize方法LIB遇到了同樣的問題，在這裏發表猴補丁：一年前 http://github.com/rgrove/sanitize/blob/1e1dc9681de99e32dc166f591343dfa60fc1f648/lib/sanitize/monkeypatch/hpricot.rb

Answer 5

從記憶，因爲我最後一次使用它一下：

角度來說，Hpricot店屬性在一個固定大小的緩衝區中，一些框架會生成outrag在文檔屬性中存在很長的哈希。在解析之前可以設置一些靜態字段，以便設置此緩衝區的大小。

我記得它在網頁上的文檔中相當突出，儘管它現在已經消失了。

Answer 6

我試圖解析HTML頁面中有許多unicode字符和Hpricot不斷崩潰。最後，我使用sanitize中的猴子補丁，並將其放入我的rails應用程序的environment.rb中。目前還沒有一個單一的崩潰，因爲我加入這個補丁：

http://github.com/rgrove/sanitize/blob/1e1dc9681de99e32dc166f591343dfa60fc1f648/lib/sanitize/monkeypatch/hpricot.rb

Answer 7

關於Ruby 1.8.5嘗試使用角度來說，Hpricot -v 0.6.161

爲我工作。