1
00:00:00,000 --> 00:00:03,234
>> [REPRODUCCIÓN DE MÚSICA]

2
00:00:03,234 --> 00:00:05,275

3
00:00:05,275 --> 00:00:06,400
ROBERT KRABEK: Hola, chicos.

4
00:00:06,400 --> 00:00:09,980
Mi nombre es Robert Krabek, y
Voy a estar enseñando chicos

5
00:00:09,980 --> 00:00:15,470
cómo raspar la web con
Nokogiri, que es una biblioteca Ruby,

6
00:00:15,470 --> 00:00:17,566
y kimono, que es una extensión de Chrome.

7
00:00:17,566 --> 00:00:20,940

8
00:00:20,940 --> 00:00:25,010
>> Así que primero hay un
par de cosas que usted

9
00:00:25,010 --> 00:00:28,790
puede hacer si tal vez usted ha estado
haciendo todos los conjuntos de procesadores hasta el momento

10
00:00:28,790 --> 00:00:31,170
y el espacio de trabajo es
conseguir un poco lleno.

11
00:00:31,170 --> 00:00:37,060
Podemos en realidad sólo ir y
crear un nuevo espacio de trabajo para usted

12
00:00:37,060 --> 00:00:41,220
que acaba de hacer un nuevo proyecto de la marca en.

13
00:00:41,220 --> 00:00:46,160
Así que si usted desea continuar
trabajando en el ID de plantilla CS50

14
00:00:46,160 --> 00:00:49,080
que tiene actualmente,
sentirse libre, y usted puede simplemente

15
00:00:49,080 --> 00:00:54,700
instalar Nokogiri con CFLAGS
joya equals-- instalar nokogiri.

16
00:00:54,700 --> 00:00:56,930
Pero por lo demás te voy a mostrar
cómo establecer un nuevo uno.

17
00:00:56,930 --> 00:01:01,210
Y entonces este es esencialmente
cayendo más ruedas de entrenamiento.

18
00:01:01,210 --> 00:01:07,120
Y usted está codificando como si fueras
simplemente la codificación en Sublime o algo así.

19
00:01:07,120 --> 00:01:12,365
Así que si cambiamos la vuelta.

20
00:01:12,365 --> 00:01:14,930

21
00:01:14,930 --> 00:01:18,690
>> Así que decir que este es su actual CS 50 ID.

22
00:01:18,690 --> 00:01:21,490
Usted puede ir a Cloud9 aquí.

23
00:01:21,490 --> 00:01:22,725
Usted puede ir a su tablero de instrumentos.

24
00:01:22,725 --> 00:01:26,720

25
00:01:26,720 --> 00:01:29,950
Debe abrir pestaña Espacios de trabajo.

26
00:01:29,950 --> 00:01:32,980
Y entonces usted puede simplemente haga clic
aquí, crear un nuevo espacio de trabajo.

27
00:01:32,980 --> 00:01:37,600
El nombre de su nuevo espacio de trabajo,
tal prueba o raspado.

28
00:01:37,600 --> 00:01:42,700
Y a continuación, haga clic en esta ficha costumbre aquí,
lugar de la ficha plantillas CS50.

29
00:01:42,700 --> 00:01:45,155
Y entonces usted puede ir
y crear un nuevo espacio de trabajo.

30
00:01:45,155 --> 00:01:48,280
>> Yo ya he creado un espacio de trabajo aquí.

31
00:01:48,280 --> 00:01:50,640
Así que vamos a trabajar con esto.

32
00:01:50,640 --> 00:01:55,380
Y si ha creado una nueva
espacio de trabajo por lo que con la ficha Personalizar,

33
00:01:55,380 --> 00:02:04,560
que sólo puede escribir gem install
nokogiri, que no está pasando aquí.

34
00:02:04,560 --> 00:02:06,230
OK, que es un poco congelado.

35
00:02:06,230 --> 00:02:08,979
Pero puede escribir joya instalar nokogiri.

36
00:02:08,979 --> 00:02:15,970
Y eso debería ser todo lo que
hay a la instalación.

37
00:02:15,970 --> 00:02:20,590
>> Como he dicho antes, si usted todavía está
trabajando en su CS50 plantilla de ID,

38
00:02:20,590 --> 00:02:30,270
sólo tiene que escribir CFLAGS
es igual a gem install nokogiri.

39
00:02:30,270 --> 00:02:33,130
Y yo ya he instalado
desde aquí, así que no lo hará.

40
00:02:33,130 --> 00:02:38,500
Pero para aquellos que siguen
junto, no dude en hacerlo.

41
00:02:38,500 --> 00:02:46,000
>> Así que una vez que tenga su Nokogiri
área de trabajo o en la biblioteca instalada,

42
00:02:46,000 --> 00:02:49,500
Voy a darle un poco
de un curso intensivo en la sintaxis de Ruby

43
00:02:49,500 --> 00:02:53,380
porque Nokogiri es una biblioteca de Ruby.

44
00:02:53,380 --> 00:03:03,710
Por lo que usted necesita saber algunos básicos
Sintaxis de Ruby para trabajar con Nokogiri.

45
00:03:03,710 --> 00:03:08,750
Así que algunas diferencias básicas
de lo que estamos acostumbrados

46
00:03:08,750 --> 00:03:13,370
tal vez si usted ha estado trabajando
hasta ahora en tan sólo C y PHP,

47
00:03:13,370 --> 00:03:16,010
declara variables sin tipo.

48
00:03:16,010 --> 00:03:19,720
No utilice punto y coma,
que es una especie de alivio.

49
00:03:19,720 --> 00:03:25,480
No hay paréntesis ahora alrededor
para o mientras bucles, por ejemplo.

50
00:03:25,480 --> 00:03:29,460
Sólo tienes un bloque de código, y
a continuación, poner fin al final de eso.

51
00:03:29,460 --> 00:03:32,380
No hay plus plus
o menos negativo, por lo que sólo

52
00:03:32,380 --> 00:03:36,180
saber que para cuando
que estás haciendo por bucles,

53
00:03:36,180 --> 00:03:38,620
sólo iguales más y menos iguales.

54
00:03:38,620 --> 00:03:43,310
Y en lugar de hachís incluyen,
vamos a usar requerir y luego

55
00:03:43,310 --> 00:03:47,755
cualquiera que sea la biblioteca tratando
cargar en su programa.

56
00:03:47,755 --> 00:03:51,610

57
00:03:51,610 --> 00:03:53,430
>> Ruby no es un lenguaje compilado.

58
00:03:53,430 --> 00:03:55,550
Así que eso es otro alivio.

59
00:03:55,550 --> 00:03:59,350
Es más similar a PHP donde
es un lenguaje interpretado.

60
00:03:59,350 --> 00:04:03,570
Puede ejecutar cualquier script Ruby que
se escribe con Ruby siguió

61
00:04:03,570 --> 00:04:07,380
por el nombre de su script o programa.

62
00:04:07,380 --> 00:04:13,000
Para indicar que se trata de un programa de Ruby,
que acaba de terminar con .rb lugar de .c.

63
00:04:13,000 --> 00:04:17,440
Y no son variables
matrices de tamaño en Ruby,

64
00:04:17,440 --> 00:04:23,200
lo cual es muy práctico cuando estás
raspado y tal vez desee añadir

65
00:04:23,200 --> 00:04:26,090
datos que usted ha raspado en una matriz.

66
00:04:26,090 --> 00:04:31,960
Usted no tiene que malloc una nueva matriz y
copiar la matriz de edad en la nueva matriz.

67
00:04:31,960 --> 00:04:36,150
Sólo puede añadir con
los dos signos de flecha.

68
00:04:36,150 --> 00:04:39,820
Y no hay caracteres, hay
sólo cadenas de una sola letra.

69
00:04:39,820 --> 00:04:44,760
Así que debe ser un poco más fácil.

70
00:04:44,760 --> 00:04:50,130
>> Así que sólo te daremos algunos
ejemplos de algunas sintaxis básica de Ruby.

71
00:04:50,130 --> 00:04:57,100
Así que aquí se puede ver que en lugar de
la barra barra, para comentar en Ruby,

72
00:04:57,100 --> 00:04:58,740
sólo tiene que utilizar el signo libra.

73
00:04:58,740 --> 00:05:04,990
Y la declaración de variables, que
sólo tienes que escribir los iguales variables

74
00:05:04,990 --> 00:05:07,971
lo que quieras la variable sea.

75
00:05:07,971 --> 00:05:09,220
Pueden ser cadenas.

76
00:05:09,220 --> 00:05:14,120
Usted puede tener matriz, que
rellena con valores.

77
00:05:14,120 --> 00:05:17,240
puts y las impresiones son similares.

78
00:05:17,240 --> 00:05:20,110
Para nuestros propósitos, la
única diferencia es realmente

79
00:05:20,110 --> 00:05:25,500
que pone, lo que significa
pone, simplemente pone una nueva línea

80
00:05:25,500 --> 00:05:27,440
carácter en lo que está imprimiendo.

81
00:05:27,440 --> 00:05:30,980
>> Así que si le damos un pequeño
demostración aquí,

82
00:05:30,980 --> 00:05:41,800
podemos ejecutar este con--
abrir una nueva terminal.

83
00:05:41,800 --> 00:05:46,020
Puedes ver todos estos
archivos que están en mi terminal.

84
00:05:46,020 --> 00:05:50,960
Y si me quedo
Ruby, intro.rb rubí, que

85
00:05:50,960 --> 00:05:53,530
pone a cinco Hola
Mather, Quincy, Carrier.

86
00:05:53,530 --> 00:05:54,410
Adams.

87
00:05:54,410 --> 00:05:59,295
Así que eso es todo lo que hay
a las matrices que declaran.

88
00:05:59,295 --> 00:06:01,670
AUDIENCIA: Robert, ¿puedes hacer
su fuente un poco más grande?

89
00:06:01,670 --> 00:06:02,461
ROBERT KRABEK: Sí.

90
00:06:02,461 --> 00:06:05,370

91
00:06:05,370 --> 00:06:12,280
Y puedo acercar porque no se puede
acercar a las fuentes de terminal aparentemente.

92
00:06:12,280 --> 00:06:18,790

93
00:06:18,790 --> 00:06:24,630
>> Así es como imprimir
las variables a su terminal.

94
00:06:24,630 --> 00:06:28,820
También puedes usar
variables dentro de una cadena.

95
00:06:28,820 --> 00:06:33,720
Así recientemente en PHP,
que podría haber aprendido

96
00:06:33,720 --> 00:06:37,340
que hay interpolación cadena.

97
00:06:37,340 --> 00:06:43,830
Así que si usted echa un vistazo aquí, si me
declare tres variables, el nombre, la biblioteca,

98
00:06:43,830 --> 00:06:49,700
y de lenguaje, y pone, me
escribir una cadena, hola mi nombre es.

99
00:06:49,700 --> 00:06:54,190
Y entonces, en lugar del PHP
versión de la interpolación cadena

100
00:06:54,190 --> 00:06:58,960
el que se ve un poco de la misma familia,
usted tiene un signo de número y, a continuación,

101
00:06:58,960 --> 00:07:01,220
una llave, y luego
el nombre de la variable.

102
00:07:01,220 --> 00:07:07,350
Y así es como desea imprimir, dice,
cualquiera que sea el nombre de la variable es.

103
00:07:07,350 --> 00:07:10,140
>> Y luego también puede
concatenar cadenas.

104
00:07:10,140 --> 00:07:12,890
Rubí hace super
fácil con el signo más.

105
00:07:12,890 --> 00:07:16,110
Sólo tienes una cuerda
a la izquierda, más una variable

106
00:07:16,110 --> 00:07:18,860
o otra cadena más una cadena.

107
00:07:18,860 --> 00:07:23,500
Así que si puedo imprimir esto hacia fuera, lo que debería
acaba de decir hola, mi nombre es Robert.

108
00:07:23,500 --> 00:07:27,340
Voy a estar enseñando Nokogiri en Ruby.

109
00:07:27,340 --> 00:07:35,370
>> Y vamos a confirmar que ese
es de hecho la introducción ruby ​​caso--.

110
00:07:35,370 --> 00:07:36,480
Hola, mi nombre es Robert.

111
00:07:36,480 --> 00:07:40,160
Voy a estar enseñando Nokogiri en Ruby.

112
00:07:40,160 --> 00:07:45,600
>> Cambiando de tema, si else,
que es un poco diferente

113
00:07:45,600 --> 00:07:49,800
de lo que podría ser utilizado para
si usted ha estado trabajando en C.

114
00:07:49,800 --> 00:07:53,200
Usted no necesita los paréntesis.

115
00:07:53,200 --> 00:07:55,220
Usted no necesita las llaves.

116
00:07:55,220 --> 00:08:00,170
Y en lugar de otra persona si,
es un elsif concatenados.

117
00:08:00,170 --> 00:08:07,260
Así que aquí, si me he declarado x arriba
aquí, como podemos ver, x es todavía 5.

118
00:08:07,260 --> 00:08:11,100
Así que si x es menor que 3, que va a poner pequeñas.

119
00:08:11,100 --> 00:08:14,030
Si es inferior a 7, mediano, de lo grande.

120
00:08:14,030 --> 00:08:17,340
Así 5 es un número medio.

121
00:08:17,340 --> 00:08:22,270
Y termino este bloque de código con el extremo.

122
00:08:22,270 --> 00:08:24,920
>> Aquí está mi bucle for.

123
00:08:24,920 --> 00:08:28,240
Y esta sintaxis es también
levemente diferente.

124
00:08:28,240 --> 00:08:33,500
El 0 a cinco simplemente esencialmente
está declarando una series de 0-5.

125
00:08:33,500 --> 00:08:36,120
Así que hay cinco ranuras de la matriz.

126
00:08:36,120 --> 00:08:40,500
Y a continuación, para cada ranura en ese
matriz, que será incrementar i.

127
00:08:40,500 --> 00:08:46,080
Así que este debe imprimir 0 a 5, o de 0 a 4.

128
00:08:46,080 --> 00:08:49,630
Y esto debe imprimir medio.

129
00:08:49,630 --> 00:08:51,370
>> Y voy a Just Blaze a través.

130
00:08:51,370 --> 00:08:54,466
Ustedes tendrán acceso
a este código más adelante.

131
00:08:54,466 --> 00:08:55,965
Así que ustedes pueden ejecutar esta ustedes mismos.

132
00:08:55,965 --> 00:09:02,090

133
00:09:02,090 --> 00:09:06,620
>> Así que este es el bucle básico rato.

134
00:09:06,620 --> 00:09:12,230
Esta será sólo la impresión de j,
por incremento a 1 hasta que llegamos a 5.

135
00:09:12,230 --> 00:09:18,320
>> Super rápido curso acelerado de Ruby
sobre cómo escribir una función.

136
00:09:18,320 --> 00:09:24,460
En lugar de, por ejemplo, int factorial
número, sólo tenemos def.

137
00:09:24,460 --> 00:09:28,450
Y esencialmente estás
definir una función aquí.

138
00:09:28,450 --> 00:09:30,600
Este va a ser el
nombre de la función,

139
00:09:30,600 --> 00:09:34,280
y esto es cualquier variable que
quieren pasar a la función.

140
00:09:34,280 --> 00:09:36,760
Usted puede tener si declaraciones prospectivas dentro.

141
00:09:36,760 --> 00:09:38,030
Usted puede regresar.

142
00:09:38,030 --> 00:09:42,620
En este caso, estamos
la definición de una forma recursiva

143
00:09:42,620 --> 00:09:45,000
función factorial aplicado.

144
00:09:45,000 --> 00:09:48,660
Así que sólo nos llamamos funciones
en Ruby como este.

145
00:09:48,660 --> 00:09:54,700
>> Así que si he definido esto,
puede llamar factorial, pase en 3,

146
00:09:54,700 --> 00:09:59,700
y luego 3 será la variable número
que puedo usar dentro de la función.

147
00:09:59,700 --> 00:10:08,010
Y esto es sólo to_s convirtiendo la
valor del factorial volver en una cadena.

148
00:10:08,010 --> 00:10:10,760
De lo contrario esto va a tirar
diciendo un error oh,

149
00:10:10,760 --> 00:10:13,230
sin poder imprimir un string--
porque como usted recuerda,

150
00:10:13,230 --> 00:10:18,230
pone las que se pone string-- porque este
factorial ha vuelto un número.

151
00:10:18,230 --> 00:10:21,850
Así que podemos convertir ese
a una cadena como tales.

152
00:10:21,850 --> 00:10:27,856
Y a la inversa, también puede convertir
una cadena a un entero con to_i.

153
00:10:27,856 --> 00:10:32,650
>> Así que hacer todo super simple,
si acabo de comentar esto, guarde

154
00:10:32,650 --> 00:10:36,250
y ejecutar la función factorial.

155
00:10:36,250 --> 00:10:39,850
Debemos ser capaces de ver
que factorial de 3 es 6.

156
00:10:39,850 --> 00:10:42,790
Y eso es cierto.

157
00:10:42,790 --> 00:10:46,160
>> Así que esa es tu curso intensivo en Ruby.

158
00:10:46,160 --> 00:10:53,550
Y ahora que sabes Ruby, podemos seguir
a la Nokogiri básica raspado configurar.

159
00:10:53,550 --> 00:10:58,190
Básicamente todo lo que tienes que hacer es,
en Ruby, requieren las bibliotecas.

160
00:10:58,190 --> 00:11:04,390
Y para nuestros propósitos vamos a estar utilizando la
biblioteca OpenURI así como Nokogiri.

161
00:11:04,390 --> 00:11:07,870
Y entonces lo que hacer-- y va
le dará la sintaxis para esto--

162
00:11:07,870 --> 00:11:16,010
es abrir la URL tanto como lo haría en
una solicitud cURL, que significa C URL.

163
00:11:16,010 --> 00:11:20,330
>> Así que toma el URL de
la página web en cuestión.

164
00:11:20,330 --> 00:11:22,030
Puede almacenar en una variable.

165
00:11:22,030 --> 00:11:27,400
Y entonces usted puede buscar a través de ese
variable para etiquetas HTML únicos usando

166
00:11:27,400 --> 00:11:30,590
el comando .css.

167
00:11:30,590 --> 00:11:34,360
Y entonces usted puede dar salida a la
contenido a donde quieras.

168
00:11:34,360 --> 00:11:35,720
Puede comenzar en una base de datos.

169
00:11:35,720 --> 00:11:42,040
Usted puede dar salida en un archivo, o
incluso sólo imprimirlo en la pantalla.

170
00:11:42,040 --> 00:11:47,290
>> Así que le mostraremos un raspador básica.

171
00:11:47,290 --> 00:11:52,570
Así que hasta aquí se puede ver que tenemos
requiriendo nokogiri, requerir-uri abierta.

172
00:11:52,570 --> 00:11:57,150
Su configuración básica, vamos a
llamarlo documento o doc,

173
00:11:57,150 --> 00:12:07,780
es igual a Nokogiri :: HTML abierto, que es el
comando proporcionada a nosotros por el OpenURI

174
00:12:07,780 --> 00:12:08,920
biblioteca.

175
00:12:08,920 --> 00:12:14,000
Y vamos a estar buscando, para aquellos de
ustedes que podrían estar viviendo en el patio,

176
00:12:14,000 --> 00:12:21,270
para bicicletas que se encuentran en Boston enumeran
en la sección de bicicleta de Boston Craigslist

177
00:12:21,270 --> 00:12:22,020
sitio.

178
00:12:22,020 --> 00:12:26,460
>> Así que si usted no está familiarizado
con cURL, sólo voy a

179
00:12:26,460 --> 00:12:28,930
mostrar lo cURL hará muy rápido.

180
00:12:28,930 --> 00:12:38,350
Si quisiera obtener toda la URL desde
el sitio Craigslist, si escribo rizo,

181
00:12:38,350 --> 00:12:44,950
sólo vuelca toda la URL
desde el sitio de la bicicleta Craigslist

182
00:12:44,950 --> 00:12:46,720
en mi terminal.

183
00:12:46,720 --> 00:12:49,130
Eso no es todo
útil porque no lo hago

184
00:12:49,130 --> 00:12:53,330
quiero ir manualmente a través y
encontrar lo que estoy buscando.

185
00:12:53,330 --> 00:13:01,590
Pero para que lo puedas
veo que estoy en realidad

186
00:13:01,590 --> 00:13:13,966
utilizando el código de derecho, si nos fijamos
en la URL de Craigslist en bikes--

187
00:13:13,966 --> 00:13:17,460
por alguna razón no lo ha encontrado.

188
00:13:17,460 --> 00:13:20,340
Si nos fijamos en esta página
y nos fijamos en la URL,

189
00:13:20,340 --> 00:13:23,970
esto debe ser idéntica a la
solicitud cURL que acabo de envío.

190
00:13:23,970 --> 00:13:27,700
Y de hecho, eso es lo que está siendo
almacenado en la variable doc.

191
00:13:27,700 --> 00:13:36,540
>> Así que cuando usted vuelve a nuestro código,
a continuación, puede operar en esta variable doc

192
00:13:36,540 --> 00:13:40,660
mediante el uso de .css.

193
00:13:40,660 --> 00:13:49,240
Así que digo yo quería conseguir todos
las etiquetas que son span.txt,

194
00:13:49,240 --> 00:13:51,740
y todos los a etiquetas dentro esa etiqueta.

195
00:13:51,740 --> 00:13:56,150
¿Y por qué podríamos querer
hacer esto, te escucho llorar?

196
00:13:56,150 --> 00:14:02,920
>> Si inspeccionamos Element, que le da un
desglose de cómo se estructura la URL.

197
00:14:02,920 --> 00:14:06,200
Si me desplazo hacia abajo a través
aquí, se puede ver

198
00:14:06,200 --> 00:14:08,770
lo que cada uno de estos diferentes
elementos representa.

199
00:14:08,770 --> 00:14:13,410
Así que tal vez quiero acceder
este elemento particular.

200
00:14:13,410 --> 00:14:16,820
Así que estoy usando desarrollador de Chrome
herramientas para Inspeccionar Elemento.

201
00:14:16,820 --> 00:14:22,970
Veo aquí que esta
es un una etiqueta en un lapso

202
00:14:22,970 --> 00:14:26,230
etiquetar con una clase de txt.

203
00:14:26,230 --> 00:14:29,610
>> Así que ahora se pone a nuestro
primera operación que

204
00:14:29,610 --> 00:14:37,330
es palmo doc.css, que es la etiqueta que
Busco dentro de toda esta URL.

205
00:14:37,330 --> 00:14:43,650
Y luego .txt funciona muy parecido a CSS
hace cuando estás escribiendo CSS

206
00:14:43,650 --> 00:14:49,630
en sus archivos HTML por
especificando una clase.

207
00:14:49,630 --> 00:14:57,980
Así que este operador en particular lo hará
especificar una etiqueta span con la clase de txt.

208
00:14:57,980 --> 00:15:02,800
Y luego, si les dejo un espacio,
esto luego ir dentro de esa etiqueta

209
00:15:02,800 --> 00:15:05,170
y luego encontrar un una etiqueta dentro de ese.

210
00:15:05,170 --> 00:15:10,750
>> Así que si acabo de poner esto a
la terminal, que debería

211
00:15:10,750 --> 00:15:21,630
podrá ver esencialmente todo
es decir dentro de este lapso de clase txt.

212
00:15:21,630 --> 00:15:22,890
Así que vamos a dar que una oportunidad.

213
00:15:22,890 --> 00:15:25,870

214
00:15:25,870 --> 00:15:27,756
rubí craigslist-rascador.

215
00:15:27,756 --> 00:15:31,850

216
00:15:31,850 --> 00:15:37,250
Y, en efecto, que nos da todas estas
etiquetas de los diferentes listados que

217
00:15:37,250 --> 00:15:40,400
están en la página Craigslist.

218
00:15:40,400 --> 00:15:45,670
>> Así que si nos remontamos, podemos convertir esto
en algo un poco más útil.

219
00:15:45,670 --> 00:15:51,050
Tal vez queremos sólo los vínculos.

220
00:15:51,050 --> 00:15:58,790
Porque dentro de esta etiqueta, voy también
tener el hipervínculo de la ruta

221
00:15:58,790 --> 00:16:00,590
que esta página va a.

222
00:16:00,590 --> 00:16:09,100
Así que si nos fijamos en el código aquí
lo que voy a hacer es en lugar de .css,

223
00:16:09,100 --> 00:16:12,380
Puedo ir at_css.

224
00:16:12,380 --> 00:16:16,820
Y esto acaba de obtener el primer
elemento de todas esas cosas.

225
00:16:16,820 --> 00:16:20,890
Así que si yo fuera a hacer eso en el
código Acabo demostrado anteriormente,

226
00:16:20,890 --> 00:16:23,800
en lugar de devolver todo
de este, que sería sólo

227
00:16:23,800 --> 00:16:26,850
entregará el primero de ellos.

228
00:16:26,850 --> 00:16:31,310
Así es como funciona el operador at_css.

229
00:16:31,310 --> 00:16:39,460
>> Así que queremos almacenar el
ruta de toda la primera una etiqueta.

230
00:16:39,460 --> 00:16:47,430
Y porque nos dará una A--
por lo que todavía vamos a utilizar .css.

231
00:16:47,430 --> 00:16:53,830
Pero debido a que este se va a dar
nosotros volver a todo un conjunto de etiquetas,

232
00:16:53,830 --> 00:16:55,710
vamos a acceso
el primer elemento.

233
00:16:55,710 --> 00:17:01,700
Así que esta es otra manera que pueda
acceder a cualquier elemento en particular si

234
00:17:01,700 --> 00:17:04,810
tener un conjunto de elementos
que se devuelve,

235
00:17:04,810 --> 00:17:11,930
porque se puede tratar cualquier cosa que
vuelve .css como una matriz, esencialmente.

236
00:17:11,930 --> 00:17:16,880
Y luego vamos a tener acceso a la
atributo de referencia de hipertexto de esta.

237
00:17:16,880 --> 00:17:24,810
>> Así que si usted echa un vistazo, si
te veías muy cerca de aquí,

238
00:17:24,810 --> 00:17:28,270
si lo que esencialmente
mirar la barra de URL,

239
00:17:28,270 --> 00:17:33,880
este es el camino que
usted va a ser raspado.

240
00:17:33,880 --> 00:17:41,565
Así que si nos corremos esto de nuevo,
y asegurarnos de que hemos ahorrado él.

241
00:17:41,565 --> 00:17:47,040

242
00:17:47,040 --> 00:17:48,300
Usted puede comprobar en casa.

243
00:17:48,300 --> 00:17:51,430
Este hecho coincide con este enlace.

244
00:17:51,430 --> 00:17:55,950
>> ¿Entonces por qué podríamos querer usar esto?

245
00:17:55,950 --> 00:17:57,870
Si desea raspar
la página y tiene

246
00:17:57,870 --> 00:18:00,270
una página de enlaces como
Craigslist hace,

247
00:18:00,270 --> 00:18:03,210
puede ser que desee ir a continuación
en cada uno de esos enlaces

248
00:18:03,210 --> 00:18:05,120
y luego raspar la
contenido de ese, que

249
00:18:05,120 --> 00:18:08,520
es exactamente lo que vamos a hacer.

250
00:18:08,520 --> 00:18:11,660
>> Así que una vez que tenga trayectoria como
variables, ya no muy

251
00:18:11,660 --> 00:18:13,200
se preocupan por imprimirlo.

252
00:18:13,200 --> 00:18:15,420
Sólo tengo que guardarlo como una variable.

253
00:18:15,420 --> 00:18:20,980
Y entonces puedo acceder a otro
La página de la misma manera puedo acceder

254
00:18:20,980 --> 00:18:22,260
doc en el primer lugar.

255
00:18:22,260 --> 00:18:25,920
Excepto con la URL, vamos
utilizar interpolación de cadenas

256
00:18:25,920 --> 00:18:29,180
como si estuviera describiendo en
Rubí anterior sobre anexar

257
00:18:29,180 --> 00:18:32,010
el camino hasta el final de la raíz.

258
00:18:32,010 --> 00:18:38,970
>> Así que lo que esto va a hacer es
esto va a poner en el camino

259
00:18:38,970 --> 00:18:42,360
que Raspé previamente
y luego convertir ese

260
00:18:42,360 --> 00:18:49,580
en un nuevo elemento, lo que quieras
llaman it-- first_listing, por ejemplo.

261
00:18:49,580 --> 00:18:52,900
Pero yo voy a dejar
que sobre el tema, por ahora,

262
00:18:52,900 --> 00:18:55,420
porque eso es lo que estoy usando aquí.

263
00:18:55,420 --> 00:19:02,900
>> Así que decir que me quería conseguir la descripción
de la primera publicación en Craigslist.

264
00:19:02,900 --> 00:19:04,740
Así que me gustaría ir por aquí.

265
00:19:04,740 --> 00:19:10,660
Me clic en Inspeccionar Elemento
de nuevo, porque se trata de la descripción.

266
00:19:10,660 --> 00:19:14,350
Me gustaría ir aquí y veo
si puedo encontrar cómo podría

267
00:19:14,350 --> 00:19:16,530
ser capaces de buscar esta etiqueta única.

268
00:19:16,530 --> 00:19:19,530
Y en este caso, tiene
una identificación, lo que nos lleva

269
00:19:19,530 --> 00:19:26,810
a nuestro siguiente manera de buscar
etiquetas, que es con un hashtag.

270
00:19:26,810 --> 00:19:30,670
>> Así que para las clases, puede
utilizar el operador punto.

271
00:19:30,670 --> 00:19:38,610
Así .txt está especificando una clase de txt,
mientras que el hash especifica un ID.

272
00:19:38,610 --> 00:19:43,720
Así pues, en este caso, la etiqueta es
sección y el ID es postingbody.

273
00:19:43,720 --> 00:19:47,780
>> Así que esto va y encuentra
el primero-- porque somos

274
00:19:47,780 --> 00:19:51,200
utilizando at_css-- este va y
Busca el primer elemento que

275
00:19:51,200 --> 00:19:57,180
viene con la etiqueta de la sección
y el ID de postingbody.

276
00:19:57,180 --> 00:20:02,636
Y entonces usted puede acceder al elemento de texto
de ese artículo devuelto con .text.

277
00:20:02,636 --> 00:20:06,230
Y entonces podemos almacenar
que en la descripción.

278
00:20:06,230 --> 00:20:09,370
>> Así que ahora que tenemos una
descripción de la variable,

279
00:20:09,370 --> 00:20:14,850
podríamos ser capaces de hacer, por ejemplo,
File I / O. Así presentar de E / S en Ruby

280
00:20:14,850 --> 00:20:21,310
es muy similar al archivo de E / S
en C, donde abrimos un archivo.

281
00:20:21,310 --> 00:20:23,260
Podríamos escribir en él.

282
00:20:23,260 --> 00:20:25,060
Y luego vamos a cerrar ese archivo.

283
00:20:25,060 --> 00:20:29,660
>> Así que aquí, sólo estamos nombrando el
presentar, alguna variable arbitraria.

284
00:20:29,660 --> 00:20:33,120
También podríamos haber sólo hay que poner esto aquí.

285
00:20:33,120 --> 00:20:39,630
Tenemos una variable que estamos almacenando
el archivo abierto como con File.open.

286
00:20:39,630 --> 00:20:46,370
Y estamos escribiendo a este archivo,
así que lo abrimos con el operador w.

287
00:20:46,370 --> 00:20:54,280
Y luego ponemos cadena en la
presentar ante el operador .puts.

288
00:20:54,280 --> 00:20:58,310
Y luego ponemos la variable que nos
quiero escribir en el fichero dentro de ese.

289
00:20:58,310 --> 00:21:00,200
Y luego pues sólo cerramos el archivo.

290
00:21:00,200 --> 00:21:04,000
>> Así que si seguimos adelante y ejecutar esto,
esto debería producir un documento

291
00:21:04,000 --> 00:21:10,840
con description.txt que lo hará
tener esta descripción dentro de ella.

292
00:21:10,840 --> 00:21:14,015
Así que si me quedo it-- no.

293
00:21:14,015 --> 00:21:17,520

294
00:21:17,520 --> 00:21:23,330
Se produce un archivo de texto con,
con suerte, la misma cosa.

295
00:21:23,330 --> 00:21:25,850

296
00:21:25,850 --> 00:21:33,290
Así que podría haber habido un nuevo anuncio
que ha surgido mientras yo he estado hablando.

297
00:21:33,290 --> 00:21:36,580
Y de hecho parece que se ha producido.

298
00:21:36,580 --> 00:21:43,380
Así que si nos vamos a esta moto clásica,
1.962 a 1966, que parece coincidir.

299
00:21:43,380 --> 00:21:45,620
Y ahí lo tienes.

300
00:21:45,620 --> 00:21:51,250
>> Así que eso es lo más básico
funcionalidad de raspado.

301
00:21:51,250 --> 00:21:57,510
Podríamos tener lugar de
sólo escribir a este archivo,

302
00:21:57,510 --> 00:21:59,930
podemos añadir cosas a una matriz.

303
00:21:59,930 --> 00:22:03,770
Así que si me declaro tres matrices,
título, precio y descripción.

304
00:22:03,770 --> 00:22:06,310

305
00:22:06,310 --> 00:22:13,790
Y estamos operando en el elemento doc ahora.

306
00:22:13,790 --> 00:22:16,940
Podemos ir a través y
encontrar toda la span.txt.

307
00:22:16,940 --> 00:22:21,710
Y recuerde, esto devuelve una matriz
de todos los elementos que encuentra.

308
00:22:21,710 --> 00:22:27,300
Y luego, en Rubí, sólo puede utilizar
.Cada para recorrer cada artículo

309
00:22:27,300 --> 00:22:28,410
de la matriz.

310
00:22:28,410 --> 00:22:31,330
Y a continuación, para cada artículo,
Yo sólo voy a llamarlo

311
00:22:31,330 --> 00:22:34,620
un vínculo, porque eso es
esencialmente lo que es.

312
00:22:34,620 --> 00:22:46,830
>> Así que si me pongo cada a.hdrlnk punto link.css,
este es en realidad va al enlace

313
00:22:46,830 --> 00:22:58,280
y encontrar dentro de ese enlace otra
Elemento HTML y la clase correspondiente.

314
00:22:58,280 --> 00:23:04,990
Así que si tenemos en cuenta lo
este fue el span.txt,

315
00:23:04,990 --> 00:23:13,160
puede ver- permítanme volver
quick-- real dentro span.txt

316
00:23:13,160 --> 00:23:17,490
tenemos un montón de otras clases.

317
00:23:17,490 --> 00:23:27,180
Así que dentro de span.txt, estamos buscando
para una una etiqueta con un hdrlnk clase.

318
00:23:27,180 --> 00:23:29,890
Así que permítanme encuentro que
para ustedes muy rápido.

319
00:23:29,890 --> 00:23:37,390

320
00:23:37,390 --> 00:23:42,850
>> Así que usted puede ver aquí, este es un una etiqueta
eso es en el lapso de clase txt

321
00:23:42,850 --> 00:23:44,920
que tiene el hdrlnk clase.

322
00:23:44,920 --> 00:23:47,610
Y eso es precisamente lo que
que estamos tratando de conseguir.

323
00:23:47,610 --> 00:23:54,680
>> Así que ahora estamos tratando de almacenar todos
de esos vínculos dentro del título.

324
00:23:54,680 --> 00:23:59,545
Y luego vamos a imprimir
a cabo cada uno de esos enlaces.

325
00:23:59,545 --> 00:24:00,360
No, lo siento.

326
00:24:00,360 --> 00:24:04,530
Vamos a imprimir
el precio de cada uno de esos.

327
00:24:04,530 --> 00:24:09,350
Así que vamos a correr esta realidad
rápido y ver lo que hace.

328
00:24:09,350 --> 00:24:14,680

329
00:24:14,680 --> 00:24:17,720
>> Así que esto sólo básicamente fue
a través de cada uno de los enlaces

330
00:24:17,720 --> 00:24:27,310
a su vez, visitada la etiqueta en cuestión,
y luego sacó el precio.

331
00:24:27,310 --> 00:24:33,910
Y lo hizo porque después
lo tienes todo en el título,

332
00:24:33,910 --> 00:24:37,260
que acabamos guardaron el título allí.

333
00:24:37,260 --> 00:24:40,180
Acabamos guardaron el enlace
dentro del título matriz.

334
00:24:40,180 --> 00:24:47,720
Y en esto para el funcionamiento de bucle,
donde en lugar de ir a a.hdrlnk,

335
00:24:47,720 --> 00:24:50,490
estamos buscando un span.price.

336
00:24:50,490 --> 00:24:56,500
Así que si puedo realmente encontrar rápidamente
el precio, si usted examina el elemento,

337
00:24:56,500 --> 00:25:00,610
verás que es un lapso
con la clase de precio.

338
00:25:00,610 --> 00:25:04,670
Y eso es básicamente cómo
estamos recibiendo el precio allí.

339
00:25:04,670 --> 00:25:10,040
>> Así que esa es la verdad
caso básico de raspado.

340
00:25:10,040 --> 00:25:13,550
Así es como se consigue todo
los elementos de una página

341
00:25:13,550 --> 00:25:16,510
que, por ejemplo, que ya conocen la URL de.

342
00:25:16,510 --> 00:25:21,050
>> Así que si queremos conseguir un
poco más en profundidad,

343
00:25:21,050 --> 00:25:23,950
podemos raspar las páginas de páginas.

344
00:25:23,950 --> 00:25:28,480
Y para este ejemplo, voy a
ser la salida a un archivo CSV.

345
00:25:28,480 --> 00:25:39,510
Así que estoy requiriendo csv aquí
porque Ruby no tiene, dentro de sí mismo,

346
00:25:39,510 --> 00:25:42,350
tener la funcionalidad
a archivos CSV salida justa.

347
00:25:42,350 --> 00:25:45,030
Así que eso es super simple.

348
00:25:45,030 --> 00:25:48,710
Déjenme ir a la siguiente.

349
00:25:48,710 --> 00:25:51,640

350
00:25:51,640 --> 00:25:57,170
Cubrimos archivo de E / S. Así que esto
es similar a lo que pasa en C.

351
00:25:57,170 --> 00:26:00,870
Y antes de pasar a Kimono,
Voy a mostrarles que realmente rápida cómo

352
00:26:00,870 --> 00:26:02,790
para raspar los sitios dentro de lugares de interés.

353
00:26:02,790 --> 00:26:10,040
>> Así que ya aprendimos
para declarar matrices en Ruby.

354
00:26:10,040 --> 00:26:13,280
Así que estoy declarando un
manojo de matrices arbitrarias

355
00:26:13,280 --> 00:26:16,310
que va a almacenar datos dentro.

356
00:26:16,310 --> 00:26:20,680
doc está funcionando de la misma manera
como lo hizo en el archivo anterior.

357
00:26:20,680 --> 00:26:23,580
Vamos a entrar, encontrando
cada uno de los de span.txt.

358
00:26:23,580 --> 00:26:25,040
Ya sabemos que.

359
00:26:25,040 --> 00:26:32,130
Ese es el recipiente dentro del cual cada
enlace tiene todos los datos que queremos.

360
00:26:32,130 --> 00:26:40,800
>> Así que aquí lo que estamos haciendo es que cada
enlace de span class txt, vamos en

361
00:26:40,800 --> 00:26:45,720
y estamos encontrando la una etiqueta,
encontrar el primer elemento de eso.

362
00:26:45,720 --> 00:26:49,937
Recuerde, .css devuelve una matriz,
por lo que no sólo puede acceder a ella de inmediato.

363
00:26:49,937 --> 00:26:51,520
Vamos a encontrar el primer elemento.

364
00:26:51,520 --> 00:26:56,430
Incluso si se trata de una matriz de un solo
artículo, usted tiene que utilizar esta sintaxis,

365
00:26:56,430 --> 00:26:58,800
y luego sacar el atributo href.

366
00:26:58,800 --> 00:27:01,800
>> Así lo hicimos antes.

367
00:27:01,800 --> 00:27:04,440
Así que esto debe parecer familiar.

368
00:27:04,440 --> 00:27:14,330
Y por lo que ahora tenemos una matriz
llamados caminos de todos nuestros enlaces

369
00:27:14,330 --> 00:27:16,590
que vamos a querer utilizar.

370
00:27:16,590 --> 00:27:21,350
Así que si tenemos este conjunto de todos
de los caminos que queremos utilizar,

371
00:27:21,350 --> 00:27:26,840
entonces podemos crear un artículo para cada uno
de esas páginas cuando abrimos esa página.

372
00:27:26,840 --> 00:27:31,150
Así como también vimos en
la sintaxis antes, donde

373
00:27:31,150 --> 00:27:37,450
haciendo interpolación cadena con la ruta
aquí, por lo que la sintaxis es sólo para la ruta.

374
00:27:37,450 --> 00:27:41,450
Y yo podría llamar a esta
variable de cualquier nombre arbitrario.

375
00:27:41,450 --> 00:27:43,070
>> Este es el importante.

376
00:27:43,070 --> 00:27:46,650
Esta es la matriz que Tú
ser acceder a cada elemento.

377
00:27:46,650 --> 00:27:52,400
Pero cuando dices de ruta en caminos,
esto significa para cada elemento de caminos,

378
00:27:52,400 --> 00:27:55,150
llamarlo camino, y usar eso.

379
00:27:55,150 --> 00:27:59,266
Esto es esencialmente igual que cuando
hacer un bucle y se utiliza int i.

380
00:27:59,266 --> 00:28:04,000
Así que usted puede tratar el camino que el
variable que está incrementando.

381
00:28:04,000 --> 00:28:07,820
>> Y a continuación, para cada uno de aquellos,
entrar en cada uno de esos enlaces.

382
00:28:07,820 --> 00:28:11,710
Porque estamos almacenarlo en la página del artículo,
por lo que estamos creando una nueva página cada vez que

383
00:28:11,710 --> 00:28:13,330
accedemos a ella.

384
00:28:13,330 --> 00:28:20,560
Y luego dentro de esa nueva página, encontrará
span.postingtitletext, span.price,

385
00:28:20,560 --> 00:28:22,240
y luego la sección # postingbody.

386
00:28:22,240 --> 00:28:28,430
Ya hemos cubierto la sección # postingbody
cuando nos fijamos en la descripción.

387
00:28:28,430 --> 00:28:34,890
>> Así que podemos ir a ver en el post Craigslist,
si lo que buscas en el título,

388
00:28:34,890 --> 00:28:38,810
se puede ver aquí,
postingtitletext palmo.

389
00:28:38,810 --> 00:28:41,390
Y es por eso que está ahí.

390
00:28:41,390 --> 00:28:49,120
Y luego por el precio, que puede
acceder a ella con span class de precio.

391
00:28:49,120 --> 00:28:54,480
>> Así que quizá también podría
desea almacenar la URL.

392
00:28:54,480 --> 00:28:58,580
Así que sólo tendremos que ejecutar este
de nuevo, guárdelo en una matriz,

393
00:28:58,580 --> 00:29:01,150
porque si lo que buscas
en Craigslist, eres

394
00:29:01,150 --> 00:29:05,290
probablemente va a querer una manera, si
usted ve algo que le interesa,

395
00:29:05,290 --> 00:29:06,620
volver a ese sitio.

396
00:29:06,620 --> 00:29:10,480
Así que lo que desea es almacenar
la dirección URL de referencias sake.

397
00:29:10,480 --> 00:29:13,840

398
00:29:13,840 --> 00:29:19,630
>> Esto es sólo esencialmente
otra sintaxis del bucle for.

399
00:29:19,630 --> 00:29:26,360
Yo sólo pude hacer paths.each lugar
por un camino en caminos con índice.

400
00:29:26,360 --> 00:29:31,280
Y esta es la sintaxis de Ruby para--
camino es lo que hemos hecho hasta aquí,

401
00:29:31,280 --> 00:29:33,920
declarar una variable para cada elemento.

402
00:29:33,920 --> 00:29:38,540
Y el índice se comporta como
el i en C para los bucles.

403
00:29:38,540 --> 00:29:41,280
Así que usted puede realizar un seguimiento
de lo que el índice es.

404
00:29:41,280 --> 00:29:45,200
>> Así que aquí es sólo una
pequeña cosa conveniente

405
00:29:45,200 --> 00:29:46,950
para cuando se está ejecutando el rascador.

406
00:29:46,950 --> 00:29:50,580
Si usted está raspando cientos de páginas,
para asegurarse de que no está colgado,

407
00:29:50,580 --> 00:29:53,320
Se acaba de salida,
Estoy acceder a esta página,

408
00:29:53,320 --> 00:29:55,960
y asegurarse de que
todavía está continuando.

409
00:29:55,960 --> 00:29:59,250
Pero para nuestros propósitos, ya que
hay un centenar de artículos,

410
00:29:59,250 --> 00:30:08,000
Voy a tener acceso a sólo tres de ellos
por lo que no nos quedemos sin tiempo aquí.

411
00:30:08,000 --> 00:30:13,040
>> Pero antes de llegar a eso, yo sólo soy
va a mostrar que realmente rápida,

412
00:30:13,040 --> 00:30:16,940
Voy a emitir el título,
precio, descripción y URL

413
00:30:16,940 --> 00:30:19,600
de cada uno de los enlaces que he raspado.

414
00:30:19,600 --> 00:30:23,720
Y entonces esto es sólo el
sintaxis para la biblioteca de CSV.

415
00:30:23,720 --> 00:30:25,240
Usted abre un archivo CSV.

416
00:30:25,240 --> 00:30:27,070
Esto es lo que voy a llamarlo.

417
00:30:27,070 --> 00:30:29,430
Abra con escritura do.

418
00:30:29,430 --> 00:30:33,830
Y luego CSV será el archivo que
usted está introduciendo todo en.

419
00:30:33,830 --> 00:30:37,800
Esto es sólo una prueba de cordura para
yo sé que se está ejecutando.

420
00:30:37,800 --> 00:30:41,240
Y esta es mi prueba de cordura
saber que se ha completado.

421
00:30:41,240 --> 00:30:46,670
Así que me voy a poner el título en una fila
CSV, precio, URL, descripción,

422
00:30:46,670 --> 00:30:49,420
todos en las filas de la CSV.

423
00:30:49,420 --> 00:30:53,410
>> Así que si vamos y ejecución
este ahora-- y yo

424
00:30:53,410 --> 00:31:04,710
asegurarse de que me he ahorrado it-- lugar
de tan sólo dar salida a la terminal,

425
00:31:04,710 --> 00:31:09,750
debemos tener un archivo CSV
archivo que se produce.

426
00:31:09,750 --> 00:31:13,500
Así que aquí podemos ver el CSV
archivo que se ha producido.

427
00:31:13,500 --> 00:31:19,330
Esta es la salida del
Scape que me acabo de encontrar.

428
00:31:19,330 --> 00:31:23,030
Como se puede ver aquí,
Acceso a la página 0, 1, 2, 3.

429
00:31:23,030 --> 00:31:27,400
Estos son los títulos,
precios, descripciones.

430
00:31:27,400 --> 00:31:31,710
Y si nos fijamos en este CSV
archivo que hemos generado,

431
00:31:31,710 --> 00:31:35,700
se puede ver su emitida aquí.

432
00:31:35,700 --> 00:31:40,350
No se trata de Excel, así que no es
formateado en filas y columnas.

433
00:31:40,350 --> 00:31:45,140
Pero usted puede imaginar cómo
podría ser formateado.

434
00:31:45,140 --> 00:31:47,740
>> CSV significa valores separados por comas.

435
00:31:47,740 --> 00:31:50,090
Así que usted puede imaginar que esto podría ser una fila.

436
00:31:50,090 --> 00:31:54,700
Y cada coma haría
indicar una columna separada.

437
00:31:54,700 --> 00:32:00,010
Sólo una palabra de caution--
a veces eres

438
00:32:00,010 --> 00:32:02,260
raspando las cosas con una gran cantidad de comas.

439
00:32:02,260 --> 00:32:05,100
Así que si estás salida
en un archivo CSV,

440
00:32:05,100 --> 00:32:10,340
Puede que no la salida del
manera usted podría pensar.

441
00:32:10,340 --> 00:32:16,770
>> Así que eso es esencialmente todo
lo que hay que raspar HTML básico

442
00:32:16,770 --> 00:32:20,110
páginas con Nokogiri.

443
00:32:20,110 --> 00:32:26,000
>> Así el ser internet
innovadora, ya que ha llegado

444
00:32:26,000 --> 00:32:33,220
con un más automatizado y GUI
versión, aunque menos robusta

445
00:32:33,220 --> 00:32:35,540
versión de raspado de varios sitios web.

446
00:32:35,540 --> 00:32:39,060
Y para nuestros propósitos
Voy a estar demostrando

447
00:32:39,060 --> 00:32:42,920
una extensión de Chrome llamada kimono.

448
00:32:42,920 --> 00:32:46,690
Y todo lo que tienes que hacer es navegar
a la página que desea raspar.

449
00:32:46,690 --> 00:32:48,590
Hace clic en un campo de interés.

450
00:32:48,590 --> 00:32:51,510
Calibrar los campos,
porque automáticamente

451
00:32:51,510 --> 00:32:54,360
detectar lo que piensa
quieres ser raspado,

452
00:32:54,360 --> 00:32:56,280
y entonces usted acaba de crear una API.

453
00:32:56,280 --> 00:33:03,700
>> Así que si tuviéramos que demostrarlo en
Craigslist, que en realidad no iba a funcionar.

454
00:33:03,700 --> 00:33:08,290
Y esto es lo que iba a volver a
diciendo de que no fuera tan robusta.

455
00:33:08,290 --> 00:33:10,320
Tiene problemas para crear la API.

456
00:33:10,320 --> 00:33:13,400
Pero como una demostración
de lo que iba a hacer,

457
00:33:13,400 --> 00:33:17,460
si instala la extensión de Chrome,
todo lo que hacemos es hacer clic en él.

458
00:33:17,460 --> 00:33:21,750
Se Kimonofies la página, y luego
haz click con el que quiero guión.

459
00:33:21,750 --> 00:33:24,480
>> Así que si yo fuera a hacer clic en
que, sería resaltar

460
00:33:24,480 --> 00:33:28,130
lo que piensa que quiero
ser raspado de esa página.

461
00:33:28,130 --> 00:33:33,660
Así que tal vez yo llamo esta lista de propiedades.

462
00:33:33,660 --> 00:33:36,430
Este es el número de elementos que he seleccionado.

463
00:33:36,430 --> 00:33:43,810
Y yo sólo puedo confirmar o negar algunos
de las otras listas sugeridas

464
00:33:43,810 --> 00:33:49,600
para conseguir que añadir a
lo que se raspa.

465
00:33:49,600 --> 00:33:52,330
>> Así que ahora podemos ver que hay
un centenar de artículos seleccionados.

466
00:33:52,330 --> 00:33:58,060
Si quiero tener otro campo que yo
También raspar que se relaciona con esto,

467
00:33:58,060 --> 00:34:02,540
digo que quiero raspar el precio
así, entonces yo puedo hacer lo mismo.

468
00:34:02,540 --> 00:34:06,190

469
00:34:06,190 --> 00:34:11,550
>> Así que aquí está una demostración de cómo es
mucho menos robusta, porque ahora es

470
00:34:11,550 --> 00:34:15,050
recogiendo la ciudad en lugar
de sólo el precio que yo quiero.

471
00:34:15,050 --> 00:34:16,989
Y ahora se recogió 200 cosas.

472
00:34:16,989 --> 00:34:19,880
Usted puede volver atrás y borrar.

473
00:34:19,880 --> 00:34:21,449
Puedes intentarlo de nuevo.

474
00:34:21,449 --> 00:34:24,250
Pero no hay garantías.

475
00:34:24,250 --> 00:34:29,909
Así es como funciona esto a veces.

476
00:34:29,909 --> 00:34:32,969
Como se puede ver aquí, ahora dice 96 aquí.

477
00:34:32,969 --> 00:34:37,000
Se recogió la mayor parte de los enlaces
que desea raspar, pero no

478
00:34:37,000 --> 00:34:39,280
necesariamente todos ellos.

479
00:34:39,280 --> 00:34:43,909
>> Otra herramienta útil de kimono aunque
es que usted puede ir a las funciones avanzadas

480
00:34:43,909 --> 00:34:47,980
aquí, vaya a Avanzado,
y se le mostrará

481
00:34:47,980 --> 00:34:53,139
la ruptura de la única
manera de acceder al HTML

482
00:34:53,139 --> 00:34:54,909
etiquetas que desea raspar.

483
00:34:54,909 --> 00:35:01,450
Así que para los anuncios, si nos fijamos en aquí,
si accede div p lapso abarcan una,

484
00:35:01,450 --> 00:35:06,030
en realidad se puede utilizar sólo
esto en su código Nokogiri,

485
00:35:06,030 --> 00:35:10,780
donde antes habíamos span.txt
para acceder a cada uno de los anuncios.

486
00:35:10,780 --> 00:35:13,270
Si sólo quiero el texto
dentro de los listados,

487
00:35:13,270 --> 00:35:18,950
Pude entrada espacio div p
lapso space lapso espacio una,

488
00:35:18,950 --> 00:35:21,570
y sería lograr el mismo efecto.

489
00:35:21,570 --> 00:35:26,320
Y para aquellos de ustedes que están interesados
en el uso de expresiones regulares,

490
00:35:26,320 --> 00:35:31,670
pasa a también le dará la regularidad
expresión de ordenación de la cadena a la entrada

491
00:35:31,670 --> 00:35:34,900
para encontrar las cosas
usted está tratando de encontrar.

492
00:35:34,900 --> 00:35:44,130
>> Así que hay otra característica interesante
Kimono de donde se puede paginar,

493
00:35:44,130 --> 00:35:47,780
que no sólo puedo raspar
los resultados de esta página,

494
00:35:47,780 --> 00:35:50,890
Puedo hacer clic en este pequeño
botón Los, paginación,

495
00:35:50,890 --> 00:35:55,580
especificar el botón que
llévame a la página siguiente,

496
00:35:55,580 --> 00:35:59,500
y luego se acaba de saber que
se puede repetir a la siguiente página,

497
00:35:59,500 --> 00:36:04,120
y luego raspar todos el-- siempre
ya que es el mismo formato de supuesto--

498
00:36:04,120 --> 00:36:06,110
scape todos esos vínculos también.

499
00:36:06,110 --> 00:36:15,230
>> Así pues kimono no quiere
Trabajamos con Craigslist, lo que hemos hecho

500
00:36:15,230 --> 00:36:19,790
es que he Kimonofied el Harvard Crimson.

501
00:36:19,790 --> 00:36:29,380
He saqué algunos de la clase de
top artículos destacados, confirman aquí.

502
00:36:29,380 --> 00:36:33,090
Decir todo esto.

503
00:36:33,090 --> 00:36:35,830
He compilado esta API
para usted antes de tiempo.

504
00:36:35,830 --> 00:36:38,990
Pero por lo demás lo que harías
es que usted simplemente le clic en Listo.

505
00:36:38,990 --> 00:36:40,940
Introduzca sus datos de API.

506
00:36:40,940 --> 00:36:45,260
Ajústelo a cualquiera
rastreo automatizado o manual.

507
00:36:45,260 --> 00:36:48,460
Así que usted puede actualizar su
datos cada 15 minutos,

508
00:36:48,460 --> 00:36:50,330
semanal, diario, lo que quieras.

509
00:36:50,330 --> 00:36:51,160
El nombre de su API.

510
00:36:51,160 --> 00:36:52,790
Cree el API.

511
00:36:52,790 --> 00:36:58,460
Para su beneficio, he creado el
Carmesí página API delante ya.

512
00:36:58,460 --> 00:37:02,480
>> Así que usted acaba de crear una
cuenta en kimono, y

513
00:37:02,480 --> 00:37:06,240
almacenará todos sus APIs para usted.

514
00:37:06,240 --> 00:37:10,330
Así que, esencialmente eso es todo lo que su
raspaduras diferentes separadas.

515
00:37:10,330 --> 00:37:18,250
>> Así que si miramos aquí, este es el
dictámenes enlaces que he recogido.

516
00:37:18,250 --> 00:37:21,290
Estos son los destacados
enlaces que he recogido.

517
00:37:21,290 --> 00:37:24,090
Y estos son los más leídos
vínculos que yo he recogido

518
00:37:24,090 --> 00:37:27,120
de esta última scape API.

519
00:37:27,120 --> 00:37:30,790
>> Así que si usted puede ver aquí,
éstos serían los presentados,

520
00:37:30,790 --> 00:37:34,130
estos serían los dictámenes,
que en este ejemplo,

521
00:37:34,130 --> 00:37:38,150
Los he combinado todos
en una colección.

522
00:37:38,150 --> 00:37:42,780
Pero si usted acaba de jugar un rato con él
un poco, puede dividirlo

523
00:37:42,780 --> 00:37:45,090
y dividirlo embargo
desea, siempre y

524
00:37:45,090 --> 00:37:47,520
como el formato es ligeramente diferente.

525
00:37:47,520 --> 00:37:51,320
>> Sólo para jugar con esto, el
rastreo de configurar, uno de los inconvenientes

526
00:37:51,320 --> 00:37:58,120
es que sólo puede rastrear hasta
25 páginas a la vez.

527
00:37:58,120 --> 00:38:00,430
Ese es uno de los factores limitantes.

528
00:38:00,430 --> 00:38:03,060
Pero aquí, si se establece
al arrastre manual, este

529
00:38:03,060 --> 00:38:06,100
es cómo se puede decir que
Para actualizar sus datos.

530
00:38:06,100 --> 00:38:11,010
Y aquí se puede ver el historial de rastreo
de todo lo que usted ha rastreado.

531
00:38:11,010 --> 00:38:16,000
Y ustedes pueden volver, crea,
jugar con todas las diferentes maneras

532
00:38:16,000 --> 00:38:20,340
que se puede modificar y utilizar sus datos.

533
00:38:20,340 --> 00:38:24,580
>> Kimono puede ser configurado para
raspar enlaces dentro de enlaces.

534
00:38:24,580 --> 00:38:29,700
Y usted hacerlo primero
raspando una lista de enlaces,

535
00:38:29,700 --> 00:38:35,390
y luego utilizar esa API como una
saltar de punto para otro API

536
00:38:35,390 --> 00:38:36,710
que crea la secuencia de comandos.

537
00:38:36,710 --> 00:38:42,040
Pero eso es más complicado que
lo que vamos a conseguir en la actualidad.

538
00:38:42,040 --> 00:38:44,270
>> Así que eso es kimono.

539
00:38:44,270 --> 00:38:46,980
Vamos a hablar de los pros y
contras de Nokogiri y kimono.

540
00:38:46,980 --> 00:38:50,380
>> Nokogiri, es muy rápido.

541
00:38:50,380 --> 00:38:51,640
Es fácil de probar.

542
00:38:51,640 --> 00:38:55,910
Usted puede simplemente pone nada
consola, fácil de configurar.

543
00:38:55,910 --> 00:39:00,400
Usted puede decidir exactamente lo
quiere raspar y almacenar.

544
00:39:00,400 --> 00:39:02,060
No hay límite de páginas.

545
00:39:02,060 --> 00:39:08,010
En realidad, yo usé para raspar como
1800 sitios web sudafricanos escolares

546
00:39:08,010 --> 00:39:10,870
mensajes de correo electrónico para una pasantía de haberlo hecho.

547
00:39:10,870 --> 00:39:16,060
>> Así que eso es posible, aunque las mejores prácticas
sería dividir el guión.

548
00:39:16,060 --> 00:39:19,310
Porque si no, a continuación,
usted no consigue nada.

549
00:39:19,310 --> 00:39:22,790
Pero si lo hace un centenar,
tal vez 200 páginas a la vez,

550
00:39:22,790 --> 00:39:27,840
entonces usted tiene alguna posibilidad de, al menos,
conseguir que poco a poco, sobre todo

551
00:39:27,840 --> 00:39:30,280
si usted tiene mal internet.

552
00:39:30,280 --> 00:39:32,720
>> Por desgracia, sólo se puede raspar HTML.

553
00:39:32,720 --> 00:39:35,190
Así que si usted tiene
pages-- cargada dinámicamente

554
00:39:35,190 --> 00:39:39,480
y yo te mostraré un ejemplo
como Kayak en un second--

555
00:39:39,480 --> 00:39:42,270
Nokogiri desgracia
no puede raspar eso.

556
00:39:42,270 --> 00:39:45,700
>> Pero Kimono también es fácil de usar.

557
00:39:45,700 --> 00:39:48,330
Como se vio, es esencialmente
un punto y clic.

558
00:39:48,330 --> 00:39:50,260
Se puede raspar JavaScript.

559
00:39:50,260 --> 00:39:53,790
Desafortunadamente, no hay un máximo
a la cantidad de páginas que puede raspar.

560
00:39:53,790 --> 00:39:55,710
A veces es un poco
difícil de configurar.

561
00:39:55,710 --> 00:39:57,240
Se se confunde.

562
00:39:57,240 --> 00:40:00,920
Pero es sin duda
algo a considerar

563
00:40:00,920 --> 00:40:05,930
si usted no está tratando de tener una
raspadura mantenible súper robusta.

564
00:40:05,930 --> 00:40:09,010
Si lo que desea es obtener
todo lo que fuera de una página rápidamente,

565
00:40:09,010 --> 00:40:10,970
entonces Kimono es una realidad
buena herramienta a utilizar.

566
00:40:10,970 --> 00:40:16,490
Y como he mencionado antes, no hay
la característica avanzada de Kimono

567
00:40:16,490 --> 00:40:19,260
que la forma de muestra
acceder al HTML único

568
00:40:19,260 --> 00:40:24,210
elemento, que es super útil incluso
si está trabajando en Nokogiri.

569
00:40:24,210 --> 00:40:30,370
>> Así que si vamos al sitio de Kayak, por
ejemplo, se puede ver que hay es--

570
00:40:30,370 --> 00:40:31,750
o tal vez usted no puede ver.

571
00:40:31,750 --> 00:40:38,910
Pero si yo te mostraré la URL de Kayak,
esto en realidad es sólo la URL de origen.

572
00:40:38,910 --> 00:40:43,800
Este es el URL antes de ser
modificado por cualquier scripts de JavaScript

573
00:40:43,800 --> 00:40:45,350
que han pasando.

574
00:40:45,350 --> 00:40:52,420
Y que va a tener un aspecto diferente
inspeccionar el elemento.

575
00:40:52,420 --> 00:40:55,940
>> Así que si usted va a través y usted
coincide con el elemento Inspeccione

576
00:40:55,940 --> 00:41:00,340
código al código fuente, es
en realidad va a ser diferente.

577
00:41:00,340 --> 00:41:05,640
Y esta es la razón fundamental por Nokogiri
no puede raspar sitios cargados dinámicamente.

578
00:41:05,640 --> 00:41:08,810
Porque es Nokogiri
raspando la URL de origen,

579
00:41:08,810 --> 00:41:16,310
mientras que kimono es en realidad
raspar lo que está esencialmente

580
00:41:16,310 --> 00:41:18,260
viendo en Seleccionar elemento.

581
00:41:18,260 --> 00:41:23,880
>> Así que si voy a través y yo
tratar de Kimonofy Kayak,

582
00:41:23,880 --> 00:41:26,600
De hecho, me puedo pasar por
y seleccione el precio.

583
00:41:26,600 --> 00:41:32,360
Es un poco más difícil,
y en este caso, es

584
00:41:32,360 --> 00:41:36,600
realmente ver este precio
como diferente de estos.

585
00:41:36,600 --> 00:41:41,110
Así que mientras que usted puede configure-- o
si esto no se carga dinámicamente,

586
00:41:41,110 --> 00:41:43,620
podría configurar Nokogiri
para conseguir todos estos.

587
00:41:43,620 --> 00:41:48,230
>> Debido a que el formato es ligeramente
diferente para este listado

588
00:41:48,230 --> 00:41:51,280
como se compara con el resto
de ellos, y usted puede ver aquí

589
00:41:51,280 --> 00:41:54,830
se ha ido realmente y
seleccionados todos los precios de los vuelos.

590
00:41:54,830 --> 00:42:01,200
Tal deseo seleccionar
tiempo de vuelo también.

591
00:42:01,200 --> 00:42:04,700
Y puedo ir a través y
tipo de configurar ese.

592
00:42:04,700 --> 00:42:06,950
Yo no quiero eso.

593
00:42:06,950 --> 00:42:10,200
Sólo quiero el tiempo del próximo vuelo.

594
00:42:10,200 --> 00:42:17,030
Y luego, después de un par de estos
pasando, se pone la imagen.

595
00:42:17,030 --> 00:42:19,080
Así kimono de muy inteligente.

596
00:42:19,080 --> 00:42:21,900
Es que no es tan robusto.

597
00:42:21,900 --> 00:42:26,710
>> Hay alguna otra
alternativas que se pueden utilizar.

598
00:42:26,710 --> 00:42:31,600
Y te voy a mostrar aquí.

599
00:42:31,600 --> 00:42:35,790
Si usted está más cómodo en
Python en lugar de Rubí, tal vez,

600
00:42:35,790 --> 00:42:39,290
hay una biblioteca
llamada Hermosa sopa.

601
00:42:39,290 --> 00:42:40,430
Usted puede usar eso.

602
00:42:40,430 --> 00:42:42,270
Es muy similar a Nokogiri.

603
00:42:42,270 --> 00:42:44,620
Tiene algunas características más.

604
00:42:44,620 --> 00:42:52,160
Puede encontrar una etiqueta HTML y
a continuación, desplazarse hacia arriba o mover hacia los lados.

605
00:42:52,160 --> 00:42:54,690
>> Hay PyQt.

606
00:42:54,690 --> 00:42:57,820
En realidad, esto puede raspar dinámica
sitios, porque es una especie de

607
00:42:57,820 --> 00:43:02,540
es una WebKit que pretende ser
un navegador sin que en realidad

608
00:43:02,540 --> 00:43:03,670
ser un navegador.

609
00:43:03,670 --> 00:43:07,490
Así que sería esperar a que todo el
JavaScript para cargar primero, y luego

610
00:43:07,490 --> 00:43:09,560
entrar y tratar de raspar el sitio.

611
00:43:09,560 --> 00:43:13,560
>> Si quieres seguir con Ruby,
puede ir un nivel arriba de Nokogiri.

612
00:43:13,560 --> 00:43:17,650
Puede utilizar Carpincho con
un envoltorio de Poltergeist.

613
00:43:17,650 --> 00:43:22,910
Y esto puede en realidad
esencialmente lo mismo

614
00:43:22,910 --> 00:43:26,610
como PyQt, que es que es un WebKit.

615
00:43:26,610 --> 00:43:29,610
Se espera a que el
JavaScript para cargar primero.

616
00:43:29,610 --> 00:43:33,340
Si el violín alrededor con él lo suficiente,
incluso se puede conseguir que se haga clic en las cosas.

617
00:43:33,340 --> 00:43:42,780
>> Así que si hay un enlace que
no es un clásico en el href

618
00:43:42,780 --> 00:43:46,350
el camino es de fácil acceso, y
es algo que detecta JavaScript

619
00:43:46,350 --> 00:43:49,490
un clic, usted puede realmente hacer eso.

620
00:43:49,490 --> 00:43:53,430
La biblioteca más populares
para simular un usuario

621
00:43:53,430 --> 00:43:56,390
es en JavaScript, que es PhantomJS.

622
00:43:56,390 --> 00:44:01,010
Obviamente, esto puede raspar dinámica
sitios porque esto es esencialmente

623
00:44:01,010 --> 00:44:04,270
pretendiendo ser Cromo
sin la interfaz de usuario.

624
00:44:04,270 --> 00:44:09,970
>> Y luego, por supuesto, el más
robusto, pero la opción más lenta,

625
00:44:09,970 --> 00:44:13,260
es una automatización navegador selenio.

626
00:44:13,260 --> 00:44:15,550
Y, por desgracia,
no vas a ser

627
00:44:15,550 --> 00:44:19,770
capaz de hacer esto dentro de su IDE CS50.

628
00:44:19,770 --> 00:44:24,140
Porque en esencia lo que
hace es que arranca su Chrome,

629
00:44:24,140 --> 00:44:27,090
Firefox, cualquier navegador
que desea utilizar,

630
00:44:27,090 --> 00:44:32,570
y hace un seguimiento de tal vez el puntero del ratón
movimiento, lo que usted escribe en,

631
00:44:32,570 --> 00:44:35,170
y es sólo una especie de
automatiza este proceso.

632
00:44:35,170 --> 00:44:42,070
Por lo tanto, se desarrolló como una especie de
herramienta de prueba de automatización de página web.

633
00:44:42,070 --> 00:44:45,910
Pero un montón de gente utiliza
El selenio para raspar sitios web

634
00:44:45,910 --> 00:44:49,990
que de otro modo tienen una
muchas dificultades para raspar

635
00:44:49,990 --> 00:44:53,700
con algunas de estas otras herramientas, más rápidos.

636
00:44:53,700 --> 00:44:57,530
>> Así que eso es todo lo que tengo para el raspado web.

637
00:44:57,530 --> 00:44:58,090
Diviértete.

638
00:44:58,090 --> 00:45:01,762

639
00:45:01,762 --> 00:45:02,680
>> AUDIENCIA: Pregunta.

640
00:45:02,680 --> 00:45:04,016
>> ROBERT KRABEK: Sí.

641
00:45:04,016 --> 00:45:12,840
>> AUDIENCIA: ¿Existe un mecanismo para discutir
el sitio web por lo que podría básicamente

642
00:45:12,840 --> 00:45:14,207
pasar por ella más adelante.

643
00:45:14,207 --> 00:45:15,040
ROBERT KRABEK: Sí.

644
00:45:15,040 --> 00:45:21,530
Así que ponemos el, en nuestra
ejemplo, para ambos,

645
00:45:21,530 --> 00:45:24,980
ponemos todo el sitio web en el doc.

646
00:45:24,980 --> 00:45:31,260
Y por lo que podría en realidad sólo tomar la
doc variable y escribir en un archivo.

647
00:45:31,260 --> 00:45:35,490
Así que si yo quería, yo podría
escribirlo como un archivo HTML,

648
00:45:35,490 --> 00:45:39,280
y luego en lugar de utilizar
OpenURI y una solicitud cURL,

649
00:45:39,280 --> 00:45:43,520
entonces yo podría simplemente abrir doc
HTML y luego buscar eso.

650
00:45:43,520 --> 00:45:47,960
>> AUDIENCIA: ¿Pero puedes conservar
el tipo de experiencia en línea

651
00:45:47,960 --> 00:45:48,930
mientras que usted hace fuera de línea.

652
00:45:48,930 --> 00:45:51,013
Por ejemplo. Cuando tu estas
volar durante varias horas,

653
00:45:51,013 --> 00:45:54,070
Quiero básicamente archivo
toda la página web. [INAUDIBLE]

654
00:45:54,070 --> 00:45:58,780
>> ROBERT KRABEK: Sí, eso es exactly--
así que, literalmente, lo que esto está haciendo

655
00:45:58,780 --> 00:46:03,010
se está tomando todo
que sería en esta dirección URL.

656
00:46:03,010 --> 00:46:11,280
Así que si nos encontramos con cURL, es
teniendo todo esto en HTML,

657
00:46:11,280 --> 00:46:14,590
y es almacenarlo
dentro del documento variable.

658
00:46:14,590 --> 00:46:17,290
Así que usted puede hacer lo
que quieres hacer con el doc.

659
00:46:17,290 --> 00:46:18,575
Usted puede dar salida a un archivo.

660
00:46:18,575 --> 00:46:19,950
AUDIENCIA: Pero no conectó.

661
00:46:19,950 --> 00:46:20,780
No es dinámico.

662
00:46:20,780 --> 00:46:22,770
No es recursivo, ¿verdad?

663
00:46:22,770 --> 00:46:24,016
¿Ves lo que quiero decir?

664
00:46:24,016 --> 00:46:28,359
Estoy tratando básicamente una especie de picadillo
todo el sitio web en mi disco duro

665
00:46:28,359 --> 00:46:31,150
para que yo pudiera hacerlo, básicamente,
durante varias horas sin internet.

666
00:46:31,150 --> 00:46:32,025
>> ROBERT KRABEK: Correcto.

667
00:46:32,025 --> 00:46:37,140
Así que si yo had-- ¿dónde está mi archivo de E / S?

668
00:46:37,140 --> 00:46:47,766
Así que este es el archivo de E / S. Así lo dicen en su lugar
de esto, yo llamo a esto craigslist.html.

669
00:46:47,766 --> 00:46:52,620

670
00:46:52,620 --> 00:46:53,940
Me abro a eso.

671
00:46:53,940 --> 00:46:59,020
Yo había pone doc en ella.

672
00:46:59,020 --> 00:47:00,470
Cierro el archivo.

673
00:47:00,470 --> 00:47:05,410
Y luego sólo porque el CS50 IDE
está en la nube, eso es lo que sea.

674
00:47:05,410 --> 00:47:07,710
Puedo ir aquí.

675
00:47:07,710 --> 00:47:09,320
Yo puedo descargar el archivo.

676
00:47:09,320 --> 00:47:11,830
Y entonces eso sería en mi disco duro.

677
00:47:11,830 --> 00:47:13,930
Así que usted puede hacerlo de esa manera.

678
00:47:13,930 --> 00:47:18,830
O si estás en casa, no se utiliza el
CS50 IDE, como Sublime o algo así,

679
00:47:18,830 --> 00:47:21,900
esto es aún más fácil, porque
esto es todo lo disponible a nivel local,

680
00:47:21,900 --> 00:47:23,020
no atado a internet.

681
00:47:23,020 --> 00:47:24,720
>> AUDIENCIA: Ya veo.

682
00:47:24,720 --> 00:47:26,580
Esto es para un problema particular.

683
00:47:26,580 --> 00:47:30,410
¿Puede hacerlo de forma recursiva para que
ir varias capas de profundidad tipo de cosas?

684
00:47:30,410 --> 00:47:33,801
>> ROBERT KRABEK: Puedo descargar carpetas
así, si eso es lo que estás pidiendo.

685
00:47:33,801 --> 00:47:34,426
AUDIENCIA: Sí.

686
00:47:34,426 --> 00:47:39,890

687
00:47:39,890 --> 00:47:41,440
>> ROBERT KRABEK: Cool.

688
00:47:41,440 --> 00:47:43,182