[php]スクレイピングならHTMLScraping→SimpleXML→xpath | うえちょこ＠ぼろぐ
野暮用でphpのスクレイピングについていろいろと調べて、いくつかライブラリを見つけました。 HTMLScraping WebScraper Snoopy rhaco Tidy関数 この中で、個人的に気に行ったのはHTMLScrapingです。このライブラリの手順は以下の通りです。 HTTP_RequestでHTML文書を取得します。 サーバにTidy拡張が導入済みならTidy関数でHTMLをXMLに変換(修正)します。導入されていなければHTMLParserという同じ作者が作ったHTMLをXMLに整形するライブラリを用いてXML化します。 XML化した文書をSimpleXMLとして出力します。 お好みでCache_Liteに保存できます。 HTMLScrapingライブラリを使えば、サーバにTidyが入っているかどうかにかかわらず、HTML文書をSimpleXMLオブジェクトに変換すること
![[php]スクレイピングならHTMLScraping→SimpleXML→xpath | うえちょこ＠ぼろぐ](https://cdn-ak-scissors.b.st-hatena.com/image/square/8d71ff5111e05619a10d29bb40d7aebaa75c8fbc/height=288;version=1;width=512/https%3A%2F%2Fs0.wp.com%2Fi%2Fblank.jpg)
lxmlでスクレイピングしてGoogleカレンダーに登録 - bonlife
タワレコ大好き、bonlifeです。とか言いつつ、タワレコのインストアイベント情報をチェックし忘れて、「行っときゃ良かった…orz」ってなることが多い今日この頃。(最近では、FREENOTEのインストアイベントに行き損ねたのが大ダメージ！ホントに大ダメージ！！) ということで、id:claddvdさんの真似をしてGoogleカレンダーに登録するPythonのスクリプトを書いてみました。参考にしたのは、このあたりです。 mixi マイミクの誕生日を取得する（ついでに Google Calendar にポストする） 4 TopCoder: lxmlでHTMLスクレーピング 今回は BeautifulSoup じゃなくて lxml を使ってみました。ほら、やっぱり XPath とか便利じゃない！(って言ってることが前回とは大違い？) 注意していただきたいのは、Windows環境では、lxml は
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
lxmlでHTMLスクレーピング
