Libri
Bash
Capitolo 11. HTML e il web
Analisi del HTML

Bash:
Analisi del HTML

Come fare:

Bash non è la prima scelta per l’analisi dell’HTML, ma può essere fatto con strumenti come grep, awk, sed, o utilità esterne come lynx. Per una maggiore robustezza, useremo xmllint dal pacchetto libxml2.

# Installa xmllint se necessario
sudo apt-get install libxml2-utils

# Esempio di HTML
cat > sample.html <<EOF
<html>
<head>
  <title>Pagina di Esempio</title>
</head>
<body>
  <h1>Ciao, Bash!</h1>
  <p id="myPara">Bash può leggermi.</p>
</body>
</html>
EOF

# Analizza il Titolo
title=$(xmllint --html --xpath '//title/text()' sample.html 2>/dev/null)
echo "Il titolo è: $title"

# Estrai Paragrafo per ID
para=$(xmllint --html --xpath '//*[@id="myPara"]/text()' sample.html 2>/dev/null)
echo "Il contenuto del paragrafo è: $para"

Output:

Il titolo è: Pagina di Esempio
Il contenuto del paragrafo è: Bash può leggermi.

Approfondimento

Anticamente, i programmatori usavano strumenti basati su regex come grep per scansionare l’HTML, ma era un metodo goffo. L’HTML non è regolare, è contestuale. Gli strumenti tradizionali non tengono conto di questo e possono essere soggetti a errori.

Alternative? Numerose. Python con Beautiful Soup, PHP con DOMDocument, JavaScript con parser DOM—linguaggi con librerie progettate per comprendere la struttura dell’HTML.

Usare xmllint negli script bash è solido per compiti semplici. Capisce l’XML e, per estensione, l’XHTML. L’HTML regolare può essere imprevedibile, però. Non segue sempre le rigorose regole dell’XML. xmllint forza l’HTML in un modello XML il che funziona bene per l’HTML ben formato ma può inciampare sulle cose disordinate.

Vedi Anche

Scaricare una pagina webInviare una richiesta http