xpcshellでHTMLパース - hogehoge @teramako
xpcshellでHTMLDocumentって無理なのかなぁ - The Other Road Ahead タイトルどおりかと思っていたけど、よく読んでみると目的としてはHTMLのパースなのだと思う。 もし、そうであるならば、完全では無いけど出来る。 const Cc = Components.classes; const Ci = Components.interfaces; var ios = Cc["@mozilla.org/network/io-service;1"].getService(Ci.nsIIOService); var suh = Cc["@mozilla.org/feed-unescapehtml;1"].getService(Ci.nsIScriptableUnescapeHTML); var parser = Cc["@mozilla.org/xmlextras
xpcshellでHTMLを取得してjQueryを使う - hogehoge @teramako
javascriptで質問です。以下のようなことが出来るのであれば手順を教えてください。できればサンプルをお願いします。関連したURLでもOKです。 1. Windowsのコマンドライン.. - 人力検索はてな に挑戦してみた。 xpcshellでHTMLパース - hogehogeの続きともいえるが、HTMLパースの方法を変えている。前回はnsIXSLTProcessorから作ったが、今回はHTMLDocument の動的な作成: Days on the Moonを使用してHTMLDocumentを作成している。 xpcshell/xpcshell.js at master from teramako's scripts - GitHub ライブラリ。このファイル(xpcshell.js)があるディレクトリでxpcshellを実行すると自動的に読み込まれる。 xpcshell/ajax.
FirefoxのhtmlparserをXPCOM経由で呼び出して壊れたHTMLを修復する - bits and bytes
dapper のように、ブラウザでクリックをしたところをスクレイプする、というときにはXPathが向いています。ブラウザでクリックした部分のXPathをサーバに保存しておけば、あとで保存したXPathに従ってドキュメントからエレメントを取り出すことができます。 しかし実際にHTMLからXPathを使ってエレメントを取り出すときに大きな問題になるのが、ウェブページの大半(体感で70%くらい)は記述されているHTMLが構造的に壊れているという事実です。タグを開いたまま閉じていなかったり、開いていないものを閉じていたり、ドキュメントの最後に</body></html>が二重に入っていたり、壊れかたは様々ですが、とにかくウェブ上のHTMLは大半が壊れています。壊れているHTMLが大半だからなのか、壊れているHTMLでもブラウザが適当に解釈して表示してくれるからなのか、とにかく世の中のヘージの大半
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
