obróbka html

Thread View: pl.comp.lang.ruby

5 messages

[T] Back to Threads [V] Tree View [G] Group Articles

5 total messages Started by Wojciech Frybyśu Mon, 23 Mar 2009 13:57

#1230

Author: Wojciech Frybyśu
Date: Mon, 23 Mar 2009 13:57

17 lines
1176 bytes

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?

Re: obróbka html

#1231

Author: Radosław Bułat
Date: Mon, 23 Mar 2009 17:05

26 lines
1449 bytes

Wojciech Frybyśu pisze:
> 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 :).

-- 
Radosław Bułat
http://radarek.jogger.pl - mój blog

Re: obróbka html

#1232

Author: 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/

Re: obróbka html

#1233

Author: Wojciech Piekutowski
Date: Sun, 26 Apr 2009 12:35

29 lines
1997 bytes

On Mar 23, 3:57 pm, Wojciech Frybyśu <wfru8548...@pocztaNO-
SPAM.iUSUNTOnteria.pl> 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?

Oprócz Hpricot i Nokogiri, wypróbuj też Mechanize.

Jeśli używasz Mechanize/Nokogiri upewnij się, że posiadasz najnowszą
stabilną wersję libxml2 w systemie, starsze wersje mogą mieć problem z
poprawną obsługą kodowania znaków.

--
Wojciech Piekutowski
http://amberbit.com

Re: obróbka html

#1234

Author: forumz
Date: Tue, 28 Apr 2009 15:15

2 lines
1312 bytes

jest jeszcze LibXML ... mimo to najlepsza opcja to Hpricot ... zero
problemów , działa z ruby 1.9

Thread Navigation

This is a paginated view of messages in the thread with full content displayed inline.

Messages are displayed in chronological order, with the original post highlighted in green.

Use pagination controls to navigate through all messages in large threads.

Back to All Threads