Ruby:
Analiza składniowa HTML
Jak to zrobić:
Aby przeprowadzić analizę HTML w Ruby, zainstaluj gem ‘Nokogiri’ za pomocą gem install nokogiri. Nokogiri jest jak scyzoryk szwajcarski do pracy z HTML i XML w Ruby. Oto szybki przykład:
require 'nokogiri'
require 'open-uri'
# Wczytanie zawartości HTML ze strony internetowej
html_content = URI.open('http://example.com').read
# Analiza HTML
doc = Nokogiri::HTML(html_content)
# Wydobycie tytułu
title = doc.xpath('//title').text
puts "Tytuł strony to: #{title}"To wypisze coś w stylu: Tytuł strony to: Domena przykładowa.
Pogłębiona analiza
W początkowych dniach Ruby, opcje do analizy HTML były ograniczone. REXML był wbudowany, ale wolny. Potem pojawił się Hpricot, ale szybko zniknął. Nokogiri zadebiutowało w 2008 roku, łącząc łatwość użycia Hpricot z prędkością i mocą libxml, sprawdzonego zestawu narzędzi XML.
W świecie analizy zawsze są alternatywy. Niektórzy przysięgają na wbudowaną bibliotekę ‘rexml’ lub ‘oga’, inną przetwornicę XML/HTML dla Ruby. Ale Nokogiri pozostaje ulubionym ze względu na jego solidność i szybkość, nie wspominając o obszernej gamie funkcji.
Pod spodem, Nokogiri konwertuje HTML na Model Obiektowy Dokumentu (DOM) – strukturę drzewiastą. To ułatwia nawigację i manipulowanie elementami. Używając selektorów XPath i CSS, możesz wyznaczyć dowolny kawałek informacji, którego potrzebujesz.
Zobacz też
- Gem Nokogiri: https://nokogiri.org/
- Dokumentacja Ruby’s rexml: https://ruby-doc.org/stdlib-2.6.3/libdoc/rexml/rdoc/REXML/Document.html
- Alternatywne narzędzie do analizy ‘oga’: https://github.com/YorickPeterse/oga
- Dowiedz się więcej na temat XPath: https://www.w3schools.com/xml/xpath_intro.asp