Ruby:
Analisando HTML
Como fazer:
Para analisar HTML em Ruby, instale a ‘gema’ Nokogiri com gem install nokogiri. Nokogiri é como um canivete suíço para trabalhar com HTML e XML em Ruby. Aqui está um exemplo rápido:
require 'nokogiri'
require 'open-uri'
# Carregar o conteúdo HTML de um website
html_content = URI.open('http://example.com').read
# Analisar o HTML
doc = Nokogiri::HTML(html_content)
# Extrair o título
title = doc.xpath('//title').text
puts "O título da página é: #{title}"Isso vai resultar em algo como: O título da página é: Domínio de Exemplo.
Aprofundamento
Nos primeiros dias do Ruby, as opções para análise de HTML eram limitadas. REXML era embutido, mas lento. Então surgiu o Hpricot, mas ele acabou desaparecendo. Nokogiri estreou em 2008, combinando a facilidade do Hpricot com a velocidade e potência do libxml, um toolkit XML comprovado.
No mundo da análise, sempre existem alternativas. Alguns preferem a biblioteca embutida ‘rexml’ ou ‘oga’, outro analisador de XML/HTML para Ruby. Mas Nokogiri continua sendo o favorito por sua robustez e velocidade, sem mencionar sua vasta gama de recursos.
Por baixo dos panos, Nokogiri converte HTML em um Modelo de Objeto de Documento (DOM) — uma estrutura de árvore. Isso facilita a navegação e manipulação dos elementos. Usando XPath e seletores CSS, você pode identificar qualquer informação que precise.
Veja Também
- Gema Nokogiri: https://nokogiri.org/
- Documentação do rexml do Ruby: https://ruby-doc.org/stdlib-2.6.3/libdoc/rexml/rdoc/REXML/Document.html
- Analisador alternativo ‘oga’: https://github.com/YorickPeterse/oga
- Aprender sobre XPath: https://www.w3schools.com/xml/xpath_intro.asp