Boeken
Lua
Hoofdstuk 11. HTML en het Web
HTML Parsen

Lua:
HTML Parsen

Hoe te:

Lua is van nature niet zo web-savvy als Python of JavaScript, maar met de luasocket en luahtml libraries, kan het zich een weg banen in het territorium van HTML-parsing. Laten we duiken in een basisvoorbeeld:

local socket = require("socket.http")
local html = require("luahtml")

-- HTML ophalen van een URL
local body, code = socket.request("http://voorbeeld.com")

if code ~= 200 then
    print("Pagina laden mislukt")
    return
end

-- De HTML parsen
local parsed_html = html.parse(body)

-- Data extraheren uit een specifiek element, bijvoorbeeld een paragraaf
for _, p in ipairs(parsed_html:select("p")) do
    print(p:getcontent())
end

Dit zal de inhoud van alle paragraaftags (<p>) van de opgehaalde webpagina afdrukken.

Diepe Duik

HTML-parsing in Lua is geen kwestie van alles-in-één. Je moet verschillende libraries aan elkaar rijgen, in tegenstelling tot in talen die met web-parsing in gedachten zijn ontworpen. Historisch gezien is Lua een hulpje geweest voor snelle, ingebedde scripting in apps, niet voor web scraping.

Alternatieven? Naast luahtml, zijn er ook luascrape en luaxpath voor verschillende parsingbehoeften. Er is geen objectief ‘beste’ keuze - elke optie komt met eigenaardigheden waar je je weg in moet vinden.

Duikend in de implementatie, maken Lua libraries over het algemeen gebruik van de C API voor prestatievoordelen. Tijdens het doorzoeken van HTML, zul je knopen en elementen jongleren, elk een kans om de vervelende details van webstructuren na te jagen.

Zie Ook

Een webpagina downloadenEen HTTP-verzoek verzenden