使用 _details 方法单击链接时，Scrubyt 给出 404 错误

Question

这可能与我之前的两个问题类似 - 请参阅 此处和此处但我尝试使用 _detail 命令自动单击链接，以便我可以抓取每个单独事件的详细信息页面。

我使用的代码是：

require 'rubygems'
require 'scrubyt'

nuffield_data = Scrubyt::Extractor.define do
  fetch 'http://www.nuffieldtheatre.co.uk/cn/events/event_listings.php'

  event do
    title 'The Coast of Mayo'
    link_url
    event_detail do
      dates "1-4 October"
      times "7:30pm"
    end
  end

  next_page "Next Page", :limit => 20
end

  nuffield_data.to_xml.write($stdout,1)

有没有办法打印出使用 event_detail 尝试访问的 URL？ 该错误似乎没有给我提供 404 的 URL。

更新： 我认为该链接可能是相对链接 - 这可能会导致问题吗？ 有什么想法如何处理吗？

Answer 1

我对相对链接也有同样的问题，并像这样修复了它......你必须将 :resolve 参数设置为正确的基本网址

  event do
    title 'The Coast of Mayo'
    link_url
    event_detail :resolve => 'http://www.nuffieldtheatre.co.uk/cn/events' do
      dates "1-4 October"
      times "7:30pm"
    end
  end

Answer 2

    sudo gem install ruby-debug

This will give you access to a nice ruby debugger, start the debugger by altering your script:

    require 'rubygems'
    require 'ruby-debug'
    Debugger.start
    Debugger.settings[:autoeval] = true if Debugger.respond_to?(:settings)

    require 'scrubyt'

    nuffield_data = Scrubyt::Extractor.define do
      fetch 'http://www.nuffieldtheatre.co.uk/cn/events/event_listings.php'

      event do
        title 'The Coast of Mayo'
        link_url
        event_detail do
          dates "1-4 October"
          times "7:30pm"
        end
      end

      next_page "Next Page", :limit => 2

    end

    nuffield_data.to_xml.write($stdout,1)

Then find out where scrubyt is throwing an exception - in this case:

    /Library/Ruby/Gems/1.8/gems/scrubyt-0.3.4/lib/scrubyt/core/navigation/fetch_action.rb:52:in `fetch'

Find the scrubyt gem on your system, and add a rescue clause to the method in question so that the end of the method looks like this:

      if @@current_doc_protocol == 'file'
        @@hpricot_doc = Hpricot(PreFilterDocument.br_to_newline(open(@@current_doc_url).read))
      else
        @@hpricot_doc = Hpricot(PreFilterDocument.br_to_newline(@@mechanize_doc.body))
        store_host_name(self.get_current_doc_url)   # in case we're on a new host
      end
    rescue
      debugger
      self # the self is here because debugger doesn't like being at the end of a method
    end

现在再次运行脚本，当引发异常时，您应该进入调试器。 只需尝试在调试提示符中键入以下内容即可查看有问题的 URL 是什么：

@@current_doc_url

如果您想检查发生了什么，您还可以在该方法的任何位置添加调试器语句 - 例如，您可能想在第 51 行和第 52 行之间添加一个调试器语句使用此方法来检查正在调用的 url 如何发生变化以及原因。

这基本上就是我如何找到你之前问题的答案的。

祝你好运。

Answer 3

抱歉，我不知道为什么这会是 nil - 每次我运行它时它都会返回一个 url - self.fetch 方法需要一个 URL，您应该能够作为本地变量 doc_url 访问该 URL。 如果返回 nil，您也可以将代码发布到包含调试器调用的位置。

Answer 4

我尝试访问 doc_url 但似乎也返回 nil。 当我可以访问我的服务器时（当天晚些时候），我将发布带有调试位的代码。