หนังสือ
Lua
บทที่ 11. HTML และเว็บ
การวิเคราะห์ HTML

Lua:
การวิเคราะห์ HTML

วิธีการ:

Lua ไม่มีไลบรารีที่ใช้สำหรับการแยกส่วน HTML โดยตรง แต่คุณสามารถใช้ไลบรารีของบุคคลที่สาม เช่น LuaHTML หรือใช้พันธุ์ (bindings) สำหรับ libxml2 ผ่าน LuaXML วิธีการที่นิยมคือการใช้ไลบรารี lua-gumbo เพื่อการแยกส่วน HTML ซึ่งมอบความสามารถในการแยกส่วนที่สอดคล้องกับ HTML5 อย่างง่ายดาย

การติดตั้ง lua-gumbo:

ขั้นแรก ตรวจสอบว่า lua-gumbo ได้ถูกติดตั้ง คุณสามารถติดตั้งได้โดยปกติผ่าน luarocks:

luarocks install lua-gumbo

การแยกส่วนพื้นฐานกับ lua-gumbo:

นี่คือวิธีการแยกส่วนชิ้นส่วน HTML ง่ายๆ และสกัดข้อมูลจากมันโดยใช้ lua-gumbo:

local gumbo = require "gumbo"
local document = gumbo.parse[[<html><body><p>สวัสดี, โลก!</p></body></html>]]

local p = document:getElementsByTagName("p")[1]
print(p.textContent)  -- ผลลัพธ์: สวัสดี, โลก!

ตัวอย่างขั้นสูง - การสกัดลิงก์:

เพื่อสกัดคุณลักษณะ href จากแท็กของทุก anchor (<a> elements) ในเอกสาร HTML:

local gumbo = require "gumbo"
local document = gumbo.parse([[
<html>
<head><title>หน้าตัวอย่าง</title></head>
<body>
  <a href="http://example.com/1">ลิงก์ 1</a>
  <a href="http://example.com/2">ลิงก์ 2</a>
  <a href="http://example.com/3">ลิงก์ 3</a>
</body>
</html>
]])

for _, element in ipairs(document.links) do
    if element.getAttribute then  -- ตรวจสอบว่าเป็น Element และมี attributes
        local href = element:getAttribute("href")
        if href then print(href) end
    end
end

-- ผลลัพธ์ตัวอย่าง:
-- http://example.com/1
-- http://example.com/2
-- http://example.com/3

ชิ้นส่วนของโค้ดนี้จะเดินทางผ่านลิงก์ทั้งหมดในเอกสารและพิมพ์คุณลักษณะ href ของพวกมัน ความสามารถของไลบรารี lua-gumbo ในการแยกส่วนและเข้าใจโครงสร้างของเอกสาร HTML ทำให้กระบวนการของการสกัดองค์ประกอบเฉพาะตามแท็กหรือคุณลักษณะของพวกมันง่ายขึ้น

การดาวน์โหลดหน้าเว็บส่งคำขอ HTTP