Lua:
Разбор HTML

Как:

Lua изначально не так хорошо подходит для работы с вебом, как Python или JavaScript, но с библиотеками luasocket и luahtml она может смело шагнуть в область разбора HTML. Давайте начнем с базового примера:

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

-- Получение HTML с URL
local body, code = socket.request("http://example.com")

if code ~= 200 then
    print("Не удалось загрузить страницу")
    return
end

-- Разбор HTML
local parsed_html = html.parse(body)

-- Извлечение данных из конкретного элемента, скажем, абзаца
for _, p in ipairs(parsed_html:select("p")) do
    print(p:getcontent())
end

Это выведет содержимое всех тегов абзаца (<p>) с полученной веб-страницы.

Глубокое погружение

Разбор HTML в Lua - это не ситуация “один инструмент для всего”. Вам придется сочетать различные библиотеки, в отличие от языков, созданных с учетом разбора веба. Исторически Lua была помощником для быстрой встроенной скриптовой разработки в приложениях, а не для веб-скрапинга.

Альтернативы? Помимо luahtml, существуют также luascrape и luaxpath для различных потребностей в разборе. Нет объективно “лучшего” выбора - каждый имеет свои особенности, с которыми вам придется разбираться.

Погружаясь в реализацию, библиотеки Lua, как правило, используют C API для повышения производительности. Производя разбор HTML, вы будете манипулировать узлами и элементами, каждый из которых - это возможность погнаться за каверзными деталями веб-структур.

Смотрите также

• Документация LuaSocket: http://w3.impa.br/~diego/software/luasocket/http.html
• luahtml на GitHub для глубокого погружения в методы разбора: https://github.com/o-lim/luahtml
• Вики-сообщество пользователей Lua для жемчужин сообщества и устранения неполадок: http://lua-users.org/wiki/