Ruby:
HTML:n jäsennys
Kuinka:
Jäsentääksesi HTML:ää Rubylla, asenna ‘Nokogiri’-gem komennolla gem install nokogiri. Nokogiri on kuin Sveitsin armeijan linkkuveitsi HTML:n ja XML:n käsittelyyn Rubyssa. Tässä nopea esimerkki:
require 'nokogiri'
require 'open-uri'
# Lataa HTML-sisältö verkkosivulta
html_content = URI.open('http://example.com').read
# Jäsennä HTML
doc = Nokogiri::HTML(html_content)
# Poimi otsikko
title = doc.xpath('//title').text
puts "Sivun otsikko on: #{title}"Tämä tuottaa jotain tällaista: Sivun otsikko on: Esimerkkidomain.
Syväsukellus
Ruby-maailmassa alkuaikoina HTML:n jäsentämisen vaihtoehdot olivat rajalliset. REXML oli sisäänrakennettu mutta hidas. Sitten tuli Hpricot, mutta se hiipui pois. Nokogiri debytoi vuonna 2008, yhdistäen Hpricotin helppokäyttöisyyden libxml:n nopeuden ja tehon, todistetusti tehokkaan XML-työkalupakin.
Jäsentämismaailmassa on aina vaihtoehtoja. Jotkut vannovat sisäänrakennetun ‘rexml’-kirjaston tai ‘oga’, toisen Rubyyn tarkoitetun XML/HTML-jäsentäjän nimeen. Mutta Nokogiri pysyy suosikkina sen kestävyyden ja nopeuden vuoksi, puhumattakaan sen laajasta ominaisuusvalikoimasta.
Kulissien takana Nokogiri muuntaa HTML:n Document Object Model (DOM) -puurakenteeksi. Tämä tekee elementtien navigoinnista ja muokkaamisesta helppoa. XPath- ja CSS-valitsimien avulla voit tarkasti löytää tarvitsemasi tiedon.
Katso myös
- Nokogiri-gem: https://nokogiri.org/
- Rubyn rexml-dokumentaatio: https://ruby-doc.org/stdlib-2.6.3/libdoc/rexml/rdoc/REXML/Document.html
- Vaihtoehtoinen jäsentäjä ‘oga’: https://github.com/YorickPeterse/oga
- Opi lisää XPathista: https://www.w3schools.com/xml/xpath_intro.asp