抓取html頁面

Question

我想要獲取如果客戶端發出某個控制器操作請求時將發送的html。不過，我想從服務器上做到這一點。我想將這個原始html存儲在數據庫中，以備日後使用。如何才能做到這一點？

編輯：我需要用的響應，以及發送的臨時演員，樣式，腳本等......

Answer 1

我希望，我就不會做到這一點，因爲它似乎有點哈克，但這可以通過將所需的HTML到部分，然後調用

render :partial => '/the/partial' 

請參閱此鏈接來實現更多的細節：

http://www.justinbritten.com/work/2008/10/rendering-rails-partials-in-a-model-or-background-task/

編輯：在上面的鏈接只描述的方法的工作原理預導軌3.對於導軌3時，使用一個AbstractController實現渲染。

Answer 2

您可以通過使用在Ruby中

url = URI.parse('http://www.example.com/index.html') 
req = Net::HTTP::Get.new(url.path) 
res = Net::HTTP.start(url.host, url.port) {|http| 
    http.request(req) 
} 
body_html = res.body 

的NET::HTTP庫獲取HTML然後，您可以將body_html保存到您的數據庫對象中。

問題是，這會返回客戶端會得到的html。在「真實」世界中，瀏覽器然後解析這個HTML，然後爲樣式表，腳本，圖像分別發出HTTP請求。你需要做同樣的事情，然後將它們存儲在單獨的數據庫對象中。

這個問題爲您提供了一些工具，可以幫助與分析部分：警告Method to parse HTML document in Ruby?

字：我懷疑，你想做什麼將是一個困難許多比你想象的。對你想要完成的事情給予一些好的想法，如果這是達到目標的最佳方法。