HTML::TreeBuilder + CSSセレクタがいい感じな件
先日 PerlでCSSセレクタ で HTML::Selector::XPath がいい感じであると思ったわけですが、CSS セレクタだけじゃなく何気に HTML::TreeBuilder::XPath とのコンボがすげーイイ!ということにいまさら気づきました。 HTML::TreeBuilder::XPath で findnodes するとツリー状に連なった HTML::Element なデータ構造が返ってくるんですが、HTML::Element は API をかなりいろいろ持ってて、これをうまく使ってやるとスクレイピングを自然な感じで書けます。 例えばはてなダイアリーの任意のページから、本文部分だけをスクレイピングしたいと思ったときにキーワードリンクが邪魔だったりするわけですが、とりあえず HTML::Selector::XPath で div.section をぶっこ抜いて取れた HT
HTML-Selector-XPath-0.02 の疑問個所 - Tociyuki::Diary
miyagawa さん作の HTML-Selector-XPath-0.02 は便利ですね。 (10月8日) 以下取消 以下の疑問点は、CSS3 のセレクタ・ドラフト案 (http://www.w3.org/TR/css3-selectors/#typenmsp)の xmlns の先取り実装でした。CSS2.1 で考えていたので、理解できなかったということがわかりました。お騒がせして申し訳ありませんでした m(_ _)m なのですが、ソースを見ていたら、element の正規表現が、なぜこうなるのか理解できませんでした。 ⇒ HTML::Selector::XPath element => qr/^([#.]?)([a-z0-9\\*_-]*)((\|)([a-z0-9\\*_-]*))?/i, # 途中略 if ($rule =~ s/$reg->{element}//) { # 途中略
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
