Książki
Elixir
Rozdział 11. HTML i sieć web
Analiza składniowa HTML

Elixir:
Analiza składniowa HTML

Jak to zrobić:

Elixir, z jego rozbudowanym modelem współbieżności i paradygmatem programowania funkcyjnego, nie zawiera wbudowanych możliwości parsowania HTML. Można jednak użyć popularnych bibliotek stron trzecich, takich jak Floki, do tego celu. Floki czyni parsowanie HTML intuicyjnym i efektywnym, wykorzystując dopasowanie wzorców i rury (piping) w Elixirze.

Najpierw dodaj Floki do swoich zależności w mix.exs:

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

Następnie uruchom mix deps.get, aby zainstalować nową zależność.

Teraz przeanalizujmy prosty ciąg HTML, aby wydobyć dane. Poszukamy tytułów wewnątrz tagów <h1>:

html_content = """
<html>
  <body>
    <h1>Witaj, Elixir!</h1>
    <h1>Inny Tytuł</h1>
  </body>
</html>
"""

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

IO.inspect(titles)

Przykładowe wyjście:

["Witaj, Elixir!", "Inny Tytuł"]

Aby zagłębić się głębiej, powiedzmy, że chcesz wyodrębnić linki (tagi <a>) wraz z ich atrybutami href. Oto jak możesz to osiągnąć:

html_content = """
<html>
  <body>
    <a href="https://elixir-lang.org/">Oficjalna strona Elixira</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)

Przykładowe wyjście:

[{"Oficjalna strona Elixira", {"href", "https://elixir-lang.org/"}}, {"HexDocs", {"href", "https://hexdocs.pm/"}}]

To podejście pozwala na efektywne nawigowanie i parsowanie dokumentów HTML, ułatwiając zadania ekstrakcji i manipulacji danymi internetowymi w aplikacjach Elixira.

Pobieranie strony internetowejWysyłanie żądania HTTP