如何点击 Nokogori 或 Mechanize 的特定链接？

Question

我知道如何使用 Nokogiri 查找元素。我知道如何使用 Mechanize 点击链接。但我不知道如何找到特定链接并单击它。这看起来应该很容易，但由于某种原因我找不到解决方案。

假设我只是想点击 Google 搜索的第一个结果。我不能只点击 Mechanize 的第一个链接，因为 Google 页面还有很多其他链接，比如设置。搜索结果链接本身好像没有类名，但是被<h3 class="r"></h3>包裹住了。

我可以使用 Nokogiri 来跟踪链接的 href 值，如下所示：

document = open("https://www.google.com/search?q=stackoverflow")
parsed_content = Nokogiri::HTML(document.read)
href = parsed_content.css('.r').children.first['href']
new_document = open(href)
# href is equal to "/url?sa=t&rct=j&q=&esrc=s&source=web&url=https%3A%2F%2Fstackoverflow.com%2F"

但这不是一个直接的 url，去那个 url 会出错。 data-href 值是直接 url，但我不知道如何获取该值 - 做同样的事情，除了 ...first['data-href'] 返回 nil。

有谁知道我怎样才能找到页面上的第一个 .r 元素并单击其中的链接？

这是我行动的开始：

require 'open-uri'
require 'nokogiri'
require 'mechanize'
document = open("https://www.google.com/search?q=stackoverflow")
parsed_content = Nokogiri::HTML(document.read)

这是 Google 搜索结果页面上的 .r 元素：

<h3 class="r">
  <a href="/url?sa=t&amp;rct=j&amp;q=&amp;esrc=s&amp;source=web&amp;url=https%3A%2F%2Fstackoverflow.com%2F" data-href="https://stackoverflow.com/">Stack Overflow</a>
</h3>

Answer 1

您应该确保您的问题是示例中的正确代码 - 看起来不是，因为您没有将 url 括在引号中，并且 css 选择器是 .r a 而不是 r。您使用.r a 是因为您想使用r 类访问元素内部的链接。

无论如何，您可以使用详细的方法here，如下所示：

require 'open-uri'
require 'nokogiri'
require 'uri'

base_url = "https://www.google.com/search?q=stackoverflow"
document = open(base_url)
parsed_content = Nokogiri::HTML(document.read)
href = parsed_content.css('.r').first.children.first['href']
new_url = URI.join base_url, href
new_document = open(new_url)

我对此进行了测试，并且关注 new_url 并按预期重定向到 StackOverflow。