ruby - XML::NodeSet からのこぎり選択ハイパーリンク

Question

reddit/r/documentaries を解析する次の簡単なスクリプトを作成しました。

require 'open-uri'
require 'nokogiri'

top_docs = Nokogiri::XML(open("http://www.reddit.com/r/Documentaries/top.rss"))
top_docs.xpath('//item').each do |documentary|
    documentary_description = documentary.xpath('description')
end

documentary_description 内のすべてのハイパーリンクの配列を収集しようとしています。これを達成するには、どのセレクター/メソッドを使用する必要がありますか?

ありがとう

Answer 1

extractURI によって提供されるメソッドを使用できます。

top_docs.xpath('//item').each do |documentary|
  documentary_description = documentary.xpath('description')
  links = URI.extract(documentary_description.text)
  ...
end

Answer 2

ワンライナー（URI#extract@shioyamaが指摘した便利なものを使用）：

links = URI.extract(top_docs.xpath('//item/description').to_a.join(" "))

Answer 3

URI#extract には注意してください。この場合、おそらく不要な img src が取得されます。Nokogiri の方が信頼性が高い:

links = Nokogiri::HTML(documentary_description.text).search('a').map{|x| x[:href]}