Ottieni un'immagine di sfondo con Nokogiri dal DOM?

Question

Sto raschiando un sito e non riesco a ottenere le immagini, perché sono caricate con CSS immagine di sfondo.

C'è un modo per ottenere questi attributi con Nokogiri senza dover utilizzare Phantom.js o Sentinel? L'immagine di sfondo usa effettivamente gli stili inline, quindi dovrei essere in grado di farlo.

devo ottenere le immagini da un array di URL:

<div class="zoomLens" style="background-image: url(http://resources1.okadirect.com/assets/en/new/catalogue/1200x1200/EHD005MET-L_01.jpg?version=7); background-position: -14.7368421052632px -977.894736842105px; background-repeat: no-repeat;">&nbsp;</div> 

sto usando Nokogiri via Mechanize, ma non sanno come scrivere correttamente questo:

image = agent.get(doc.parser.at('.zoomLens')["background-image"]).save("okaimages/f_deco-#{counter}.jpg") 

Answer 1

I' d utilizzare qualcosa come:

require 'nokogiri' 

doc = Nokogiri::HTML('<div class="zoomLens" style="background-image: url(http://resources1.okadirect.com/assets/en/new/catalogue/1200x1200/EHD005MET-L_01.jpg?version=7); background-position: -14.7368421052632px -977.894736842105px; background-repeat: no-repeat;">&nbsp;</div>') 

doc.search('.zoomLens').map{ |n| n['style'][/url\((.+)\)/, 1] } 
# => ["http://resources1.okadirect.com/assets/en/new/catalogue/1200x1200/EHD005MET-L_01.jpg?version=7"] 

Il trucco è il modello appropriato per afferrare il contenuto della parentesi. n['style'][/url\((.+)\)/, 1] utilizza String#[] che può assumere un'espressione regolare con il raggruppamento e restituire un determinato gruppo dalle acquisizioni. Vedi https://www.regex101.com/r/mV6rY6/1 per una ripartizione di ciò che sta facendo.

A quel punto si sarebbe seduti su una serie di URL di immagini. Puoi facilmente scorrere l'elenco e utilizzare OpenURI o qualsiasi altro numero di client HTTP per recuperare le immagini.