Ruby 用の HTML パーサー
公式ページ等
参考になるページ
基本的な使い方
DOM との対応
少なくとも 0.8.4 だと
既にノードにぶら下がっているノードを移動する場合
DOM と違いあらかじめノードから delete しておく必要があるので注意。 Node の取得
Tips
inner_text, to_plain_text における の扱い(2011-06-29)
公式ページ等 
- RubyGems.org / hpricot
-
http://code.whytheluckystiff.net/hpricot/Take me back...
参考になるページ
- Ruby Scraping / Hpricot
- Route 477 / RubyでHTMLとWebを操作するためのライブラリ、HpricotとWWW::Mechanize
- すぐに忘れる脳みそのためのメモ
- 2008-06-13: Ruby の Hpricot でスクレイピング
- 2009-04-19: Ruby でスクレイピング (2) - Basic 認証を用いたサイトへアクセス
基本的な使い方
DOM との対応
| DOM | Hpricot |
|---|---|
| .appendChild(e) | .children.insert_after(e, nil) |
| .insertAfter(e, p) | .children.insert_after(e, p) |
| .insertBefore(e, p) | .children.insert_before(e, p) |
| .removeChild(e) | .children.delete(e) |
| .innerHTML | .inner_html |
| .textContent | .inner_text |
| document.createElement(x) | Hprecot::Elem(x, attrs = nil, children = nil, etags = nil) |
| document.createTextNode(x) | Hprecot::Text(x) |
既にノードにぶら下がっているノードを移動する場合
DOM と違いあらかじめノードから delete しておく必要があるので注意。
Node の取得
Hprecot で構築した document に除算演算子(/)を用いて CSS セレクターを渡すと
戻り値として、node の集合が得られる。
戻り値として、node の集合が得られる。
Tips
inner_text, to_plain_text における の扱い(2011-06-29)
デフォルトだと 0xC2A0(="\302\240")として扱われる模様。
Cygwin の Ruby から gem で入れた hpricot (0.8.4) だと上手く行かない。
結局以下のように書くことで目的は達成できたが、上の人は XChar いらないとか言ってるし、謎。
- きたももんががきたん。 / 2009-06-09: Hpricotのinner_textで を空白として表示する++
Hpricot::PREDEFINED_U.update({" " => 32})
としておくと良いらしいのだが、Cygwin の Ruby から gem で入れた hpricot (0.8.4) だと上手く行かない。
結局以下のように書くことで目的は達成できたが、上の人は XChar いらないとか言ってるし、謎。
require 'rubygems'
require 'hpricot'
require 'hpricot/xchar'
Hpricot::XChar::PREDEFINED_U.update({" " => 32})
タグ
コメントをかく