Ruby用百度搜索爬虫

Ruby用百度搜索爬虫

博主ruby学得断断续续，打算写一个有点用的小程序娱乐一下，打算用ruby通过百度通道爬取网络信息。

第三方库准备

• mechanize：比较方便地处理网络请求，类似于Python中的requests
• nokogiri：解析HTML文本，采用的是jquery选择器

步骤分析

• 用mechanize创建一个agent对象
• 我们首先登录百度主页
• 找到百度『搜索』框的表单
• 填写表单内容
• 提交表单（agent用该表单的内容发出submit动作）
• 分析百度获得的搜索结果列表
• 用nokogiri解析HTML文本，提取出我们感兴趣的内容

代码

require 'mechanize'
require 'nokogiri'

# 百度搜索的关键字，可修改
keyword = 'ruby'

# 创建一个agent对象
agent = Mechanize.new
# 发送get请求获取页面
page = agent.get 'http://www.baidu.com/'
# 根据名字属性定位表单
search_form = page.form_with :name => 'f'
# 填表，搜索框的name是wd
search_form.field_with(:name => "wd").value = keyword
# 提交表单
search_results = agent.submit search_form
doc = Nokogiri::HTML(search_results.body)
doc.css('.c-container > h3 > a').each{
  |item|
  puts item.text
}

测试结果