Re: obróbka html

Article View: pl.comp.lang.ruby

Article #1232

#1232

From: Przemysław Kowalczyk
Date: Mon, 23 Mar 2009 19:24

28 lines
1715 bytes

On Mon, 23 Mar 2009 18:05:23 +0100, Radosław Bułat <radarrek@poczta.fm>  
wrote:
>> Mam pytanie, czy są jakieś proste sposoby obróbki html?
>> ściągam stronę i chce wyizolowac np.:
>>  <td class="slon">
>> ...
>> </td>
>>  albo
>>  nastepujace po sobie
>> <a href="(.*)">
>> .*
>> <img src=".*">
>>  i oczywiście wyizolowac nazwy grafik i url.
>>  Może jest jakies zwierze co przeszukuje DOM albo coś w tym guście?
>
> Hpricot, Nokogiri - obczaj te gemy i przykłady na ich stronach domowych.
>
> Inna opcja to regexpy - jeśli piszesz w Rubym to musisz je znać :).

regexpy to w ogolnym przypadku bardzo kiepskie narzedzie do parsowania  
HTML, XML itp. ciezko jest w regexpie obsluzyc zagniezdzanie elementow,  
ich rozne znaczenie w zaleznosci od kontekstu itp.

pzdr
	szeryf

-- 
Przemysław ,,Szeryf'' Kowalczyk :: http://szeryf.wordpress.com/

Technical Details

Message-ID: <op.uq9evpkfuw9fft@negative-361apc>

Path: mbox-mo1.pugleaf.net!news-archive.icm.edu.pl!newsfeed.gazeta.pl!news.task.gda.pl!not-for-mail

References: <gq84k4$af1$1@atlantis.news.neostrada.pl> <gq8fgj$690$2@inews.gazeta.pl>

Show Full Headers

Complete Article Headers

Path: mbox-mo1.pugleaf.net!news-archive.icm.edu.pl!newsfeed.gazeta.pl!news.task.gda.pl!not-for-mail
From: Przemysław Kowalczyk <someone@microsoft.com>
Newsgroups: pl.comp.lang.ruby
Subject: Re: obróbka html
Date: Mon, 23 Mar 2009 20:24:51 +0100
Organization: CI TASK http://www.task.gda.pl/
Lines: 28
Message-ID: <op.uq9evpkfuw9fft@negative-361apc>
References: <gq84k4$af1$1@atlantis.news.neostrada.pl> <gq8fgj$690$2@inews.gazeta.pl>
NNTP-Posting-Host: host-81-190-218-64.wroclaw.mm.pl
Mime-Version: 1.0
X-Trace: news.task.gda.pl 1237836416 10242 81.190.218.64 (23 Mar 2009 19:26:56 GMT)
X-Complaints-To: abuse@news.task.gda.pl
NNTP-Posting-Date: Mon, 23 Mar 2009 19:26:56 +0000 (UTC)
User-Agent: Opera Mail/9.10 (Win32)
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

Reply to Parent Message