以字符串形式检索URL的内容

Question

由于与Hpricot有关的繁琐工作,我需要编写一个传递URL的函数,并将页面的全部内容作为单个字符串返回.

快到了.我知道我需要使用OpenURI,它应该看起来像这样:

require 'open-uri'
open(url) {
  # do something mysterious here to get page_string
}
puts page_string

任何人都可以建议我需要添加什么？

Answer 1

没有OpenURI你也可以这样做:

require 'net/http'
require 'uri'

def open(url)
  Net::HTTP.get(URI.parse(url))
end

page_content = open('http://www.google.com')
puts page_content

或者,更简洁:

Net::HTTP.get(URI.parse('http://www.google.com'))

Answer 2

该open方法在产生IO时将资源的表示传递给块.您可以使用该IO#read方法从中读取

open([mode [, perm]] [, options]) [{|io| ... }] 
open(path) { |io| data = io.read }

Answer 3

require 'open-uri'
open(url) do |f|
  page_string = f.read
end

另请参阅IO类的文档

Answer 4

我也很困惑使用什么来获得更好的性能和更快的结果。我为两者运行了一个基准测试以使其更清楚：

require 'benchmark'
require 'net/http'
require "uri"
require 'open-uri'

url = "http://www.google.com"
Benchmark.bm do |x|
  x.report("net-http:")   { content = Net::HTTP.get_response(URI.parse(url)).body if url }
  x.report("open-uri:")   { open(url){|f| content =  f.read } if url }
end

它的结果是：

              user     system      total        real
net-http:  0.000000   0.000000   0.000000 (  0.097779)
open-uri:  0.030000   0.010000   0.040000 (  0.864526)

我想说这取决于您的要求是什么以及您希望如何处理。