Nokogiri 和机械化问题

Question

我正在 mechanize 文档网站上做一个示例，我想使用解析结果 诺科吉里。

我的问题是，当执行以下行时：

doc = Nokogiri::HTML(search_results, 'UTF-8' )

出现以下错误：

C:/Ruby192/lib/ruby/gems/1.9.1/gems/nokogiri-1.4.4.1-x86-mingw32/lib/nokogiri/html/document.rb:71:in `parse': undefined method `name' for "UTF-8":String (NoMethodError)
    from C:/Ruby192/lib/ruby/gems/1.9.1/gems/nokogiri-1.4.4.1-x86-mingw32/lib/nokogiri/html.rb:13:in `HTML'
    from mechanize_test.rb:16:in `<main>'

我在 Windows Vista 机器上安装了 ruby​​ 1.9

mechanize 返回的结果是非拉丁语 (utf8)

代码示例如下。

# encoding: UTF-8

 require 'rubygems'
 require 'mechanize'
 require 'nokogiri'

 agent = Mechanize.new
 agent.user_agent_alias = 'Mac Safari'
 page = agent.get("http://www.google.com/")
 search_form = page.form_with(:name => "f")
 search_form.field_with(:name => "q").value = "invitations"
 search_results = agent.submit(search_form)
 puts search_results.body

 doc = Nokogiri::HTML(search_results, 'UTF-8')

Answer 1

@Douglas Drouillard

感谢您对此进行调查。我发现我犯了一个错误。对 nokogiri 的调用应该是：

doc = Nokogiri::HTML(search_results.body, 'UTF-8')

请注意，search_results 与 search_results.body 不同。

Search_results 包含来自机械化实例化的信息
而 search_resuls.body 包含 nokogiri 可以毫无问题解析的 html utf8 信息。

Answer 2

这似乎与 Nokogiri 期望作为正在调用的解析方法的参数的问题有关。我看到的第一个问题是，您在错误的参数槽中传递了编码选项，

解析示例< /a> 来自指定编码的 Nokogiri 项目页面

Nokogiri.XML('<foo><bar /><foo>', nil, 'EUC-JP')

请注意，编码是第三个参数，而不是第二个。但这仍然不能完全解释您所看到的行为，因为编码应该被忽略。

根据 Nokogiri 文档，对 Nokogiri::HTML() 的调用是 parse 方法的一种便捷方法。

Nokogiri::HTML::parse 的代码

   def parse thing, url = nil, encoding = nil, options = XML::ParseOptions::DEFAULT_HTML, &block
      document.parse(thing, url, encoding, options, &block)
   end

Nokogiri::HTML:: 的源文档解析方法有点长，但这里是相关部分：

 string_or_io.respond_to?(:encoding)
   unless string_or_io.encoding.name == "ASCII-8BIT"
      encoding ||= string_or_io.encoding.name
   end
 end

注意string_or_io.encoding.name，这与您看到的错误相匹配，undefined method 'name' for "UTF-8 “：字符串（NoMethodError）。

您的 search_results 对象是否具有键值对 {:encoding =>; 的属性‘UTF-8’}？ Nokogiri 似乎正在寻找编码来存储一个名称属性为“UTF-8”的对象。