Cookbooks
Elixir
Kapitel 11. HTML und das Web
HTML parsen

Elixir:
HTML parsen

Wie geht das:

Elixir, mit seinem robusten Nebenläufigkeitsmodell und dem Paradigma der funktionalen Programmierung, enthält keine integrierten HTML-Parsing-Funktionen. Sie können jedoch beliebte Drittanbieter-Bibliotheken wie Floki für diesen Zweck verwenden. Floki macht HTML-Parsing intuitiv und effizient und nutzt dabei Elixirs Musterabgleich und Pipe-Funktionen.

Fügen Sie zunächst Floki zu Ihren Abhängigkeiten in mix.exs hinzu:

defp deps do
  [
    {:floki, "~> 0.31.0"}
  ]
end

Führen Sie dann mix deps.get aus, um die neue Abhängigkeit zu installieren.

Jetzt werden wir einen einfachen HTML-String parsen, um Daten zu extrahieren. Wir suchen nach den Titeln in <h1>-Tags:

html_content = """
<html>
  <body>
    <h1>Hallo, Elixir!</h1>
    <h1>Ein weiterer Titel</h1>
  </body>
</html>
"""

titles = html_content
         |> Floki.find("h1")
         |> Floki.text()

IO.inspect(titles)

Beispielausgabe:

["Hallo, Elixir!", "Ein weiterer Titel"]

Um tiefer einzutauchen, sagen wir, Sie möchten Links (<a>-Tags) zusammen mit ihren href-Attributen extrahieren. So können Sie das erreichen:

html_content = """
<html>
  <body>
    <a href="https://elixir-lang.org/">Offizielle Website von Elixir</a>
    <a href="https://hexdocs.pm/">HexDocs</a>
  </body>
</html>
"""

links = html_content
        |> Floki.find("a")
        |> Enum.map(fn({_, attrs, [text]}) -> {text, List.keyfind(attrs, "href", 0)} end)
        
IO.inspect(links)

Beispielausgabe:

[{"Offizielle Website von Elixir", {"href", "https://elixir-lang.org/"}}, {"HexDocs", {"href", "https://hexdocs.pm/"}}]

Dieser Ansatz ermöglicht es Ihnen, HTML-Dokumente effizient zu navigieren und zu parsen, wodurch Aufgaben der Webdatenextraktion und -manipulation in Elixir-Anwendungen unkompliziert werden.

Webseite herunterladenEinen HTTP-Request senden