-2

Ruby で Web クローラーを作成する方法を学び始めたところです。このクローラーは、ブログをクロールし、Anemone gem と以下の rake タスクを使用して壊れた外部リンクを見つけるように設計されています...

task :testing_this => :environment do
    require 'anemone'
    rooter = 'myblog.com'
    banned = ['tel:','@', '#', 'facebook.com', 'twitter.com', 'pinterest.com', 'linkedin.com', 'youtube.com','reddit.com', 'wikipedia.org']
    extensions = %w( .jpg .jpeg .png .doc .pdf .js .css .xml .csv. .exe .zip .gzip )
    start = Time.now
    Anemone.crawl("http://#{rooter}/", {:threads => 4, :discard_page_bodies => false, :obey_robots_txt => false, :user_agent => 'Mozilla/5.0 (Windows NT 6.1) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/41.0.2228.0 Safari/537.36'}) do |anemone|
        begin
            anemone.on_every_page do |page|
                puts page.url.path
        links = page.doc.xpath("//a/@href")
        if (links != nil)
          links.each do |link|
            this_link = link.to_s
            unless extensions.any? { |exten| this_link && this_link.include?(exten) }
                unless banned.any? { |word| this_link && this_link.include?(word) }
                    unless this_link.include? rooter
                        # puts this_link
                        obl = URI.parse(URI.encode(this_link.strip)).host
                        unless obl.blank?
                            if obl.include? 'www.'
                                obl = obl.gsub("www.", "")
                            end
                            Obl.find_or_create_by(url: obl)
                        end
                    end
                  end
                end
          end
        end
        end
    rescue OpenURI::HTTPError => ex
    puts ex
    end 
    end
    time_t = Time.now - start
    puts "-------------"
    puts "#{time_t} seconds"
    puts "-------------"
end

私のデモ フォルダでは機能していますが、https://arthurdejong.org/webcheck/demo/を使用してテストしたところ、次のエラーが発生しました。

NoMethodError: undefined method `xpath' for nil:NilClass

それが問題の原因であるかどうか疑問に思ったので、拡張機能の配列を構築しようとしましたが、これまでのところ運がありません.

これをデバッグする方法や問題を解決する方法についてのヒントはありますか?

4

1 に答える 1

0

エラーはpage.doc.xpath: page.docis nil から来ているようです。

メソッドで試してみてinspectください。pageon_every_page

エラーを回避するためifに beforeを追加することもできます:.xpath

anemone.on_every_page do |page|
  puts page.url.path
  if page.doc.present?
    links = page.doc.xpath("//a/@href")
于 2016-09-27T10:31:25.757 に答える