小技巧

• puts Mechanize::AGENT_ALIASES 可以打印出所有可用的user_agent
• puts Mechanize.instance_methods(false) 输出Mechanize模块的所有方法
• puts Mechanize.instance_methods()   输出Mechanize模块的所有方法以及所继承的类的函数

 推荐阅读

 官方文档

Many Mechanize Examples

模拟Google搜索

使用mechanize分析并批量下载校内网相册照片

Mechanize使用手册中文版

Mechanize使用手册英文版

Mechanize模拟自然网页交互一些基本常用方法

Ruby中实现网页抓取，一般用的是mechanize，使用非常简单。

安装

sudo gem install mechanize

抓取网页

require ‘rubygems‘
require ‘mechanize‘
agent = Mechanize.new
page = agent.get(‘http://google.com/‘)

模拟点击事件

page = agent.page.link_with(:text => ‘News‘).click

模拟表单提交

google_form = page.form(‘f‘)
google_form["q"] = ‘ruby mechanize‘
page = agent.submit(google_form, google_form.buttons.first)
pp page

分析页面，mechanize用的是nokogiri解析网页的，所以可以参照nokogiri的文档

table = page.search(‘a‘)
text = table.inner_text
puts text

有几点注意的地方： 如果需要先登录的网页，那么可以在网站先登录，登录后记录JSESSIONID，然后赋值给agent

cookie = Mechanize::Cookie.new("JSESSIONID", "BA58528B76124698AD033EE6DF12B986:-1")
cookie.domain = "datamirror.csdb.cn"
cookie.path = "/"
agent.cookie_jar.add!(cookie)

如果需要保存网页，使用.save_as，(或许save也可以，我没试过)例如

agent.get("http://google.com").save_as

转载自：http://www.cnblogs.com/Stoned/archive/2012/02/23/2364389.html