HTMLパーサーの Hpricot を使って、リンク <a href="hoge.html"> や 画像 <img src="hoge.png"> や Flash <embed src="hoge.swf"> から相対パスを抽出して、絶対パスへ置き換えるという方法。 直接、Hpricot や nokogiri で置換しようかと思ったが、元のHTMLの構造を崩しそうなのでそれはヤメ。 ⇒ 参考: ヅラッシュ！ - Ruby + Hpricot で HTML ファイル内の URL を置き換える HTML内に存在する相対パスはダブルクォートで囲まれているという前提で処理することにした。(シングルクォートの可能性…) 処理の流れ: 1. hpricot で相対パスを抽出 2. 相対パスに対応する絶対パスを生成 3. 相対パスの前後にダブルクォートを付ける 4. HTML内からダブルクォート付き相対
試す環境は MacBook Air で。 $ uname -mrsv Darwin 10.7.0 Darwin Kernel Version 10.7.0: Sat Jan 29 15:17:16 PST 2011; root:xnu-1504.9.37~1/RELEASE_I386 i386 $ ruby -v ruby 1.8.7 (2009-06-12 patchlevel 174) [universal-darwin10.0] $ gem list | grep hpricot hpricot (0.8.4, 0.6.164) $ gem list | grep nokogiri nokogiri (1.4.4) サンプルコード。 Hpricot でも Nokogiri でもほぼ同じように使える。 $ cat ./ru.rb #!/usr/bin/env ruby $KCODE='
Hpricot RubyでHTMLを解析するためのライブラリHpricotの使い方まとめです。 書きかけです。 AnHPricotShowcaseを ベースにしていますが、改変したり省略している箇所も結構あります。 Basics ライブラリのロード HTMLを開く(Hpricot) 要素を探す(search, /) 要素を一つだけ探す 要素の中身のHTMLを得る(inner_html) 要素のタグを含めたHTMLを得る(to_html) 繰り返し(Elements#each) 要素の中を検索する(search, /) HTMLを編集する(set) 要素のパス名を得る(css_path, xpath) Elements 複数の要素の中を検索する Elements#at( expression, &block ) Elements#search( expression, &block ) 複数
はてなグループの終了日を2020年1月31日(金)に決定しました 以下のエントリの通り、今年末を目処にはてなグループを終了予定である旨をお知らせしておりました。 2019年末を目処に、はてなグループの提供を終了する予定です - はてなグループ日記 このたび、正式に終了日を決定いたしましたので、以下の通りご確認ください。 終了日: 2020年1月31日(金) エクスポート希望申請期限:2020年1月31日(金) 終了日以降は、はてなグループの閲覧および投稿は行えません。日記のエクスポートが必要な方は以下の記事にしたがって手続きをしてください。 はてなグループに投稿された日記データのエクスポートについて - はてなグループ日記 ご利用のみなさまにはご迷惑をおかけいたしますが、どうぞよろしくお願いいたします。 2020-06-25 追記 はてなグループ日記のエクスポートデータは2020年2月28
もういくつ寝ると 今年のはじめにやりたいことリストを作った。今見たら50項目あるリストのうち25個が達成済みだった。ちょうど半分やりたいことをやったということだ。私にしてはまあまあの結果だと思う。満足。 やりたいことリストにあるもののうち、「〜を食べたい」系は概ねクリアし…
2009年07月31日 HpricotからNokogiriに乗り換え スクレイピングを行うためにHpricotを使ったところ、どうやってもbuilder.rbというモジュールで segmentation fault が出てしまうという事態に遭遇した。Hpricot を最新のバージョンである 0.8.1 に上げたが変化なし。 調べてみたところ、これはRuby本体のバグが原因であり、「配列のサイズが途中で変わると起きる」らしいことが分かった（るびまの記事）。が、Hpricot内部の話なので、こちらではどうしようもない。 そこで、最近よく名前を耳にする、Hpricot互換の Nokogiri に乗り換えてみた。HpricotとNokogiriは使い方は非常に似ているのだが、まったく違いがないわけではないので、下記の点を変更した。 ■ require すべきものが当然変わるrequire 'hpr
HpricotからNokogiriに移行しようとしていくつか罠にはまったのでメモしておきます。 基本的には require "hpricot" → require "nokogiri" Hpricot(html) → Nokogiri::HTML(html) Hpricot::XML(xml) → Nokogiri::XML(xml) と書き換えるだけで、運が良ければそのまま動くと思います。 Nokogiri(text)というのもあるのですが、これはXMLかHTMLかを自動判定するらしく、失敗することもあるのでお勧めしません。 NokogiriはHpricotと違ってXML名前空間をきちんと解釈するので、XML名前空間を使ったXMLを解析する場合には注意が必要です。XML名前空間を使ったXMLというのは、以下のようにxmlnsなんとかというのが入っているやつです。 <feed xmlns=
After years of lack of a proper maintainer for one of why's jewels, it has been decided to finally close the book on hpricot. Most users have migrated to alternatives and there is simply no time or energy to continue with the current codebase. If you feel that you have the time and wish to take it over, I suggest you instead think about making the hpricot-like API within nokogiri 100% compatible,
Hpricotは Ruby用の HTML パーサです。スキャン部分は C 言語で書かれていて高速に動作します。 HTMLの解析や書き換えに威力を発揮する便利なライブラリです。 rubygemsを使うのが簡単です。 # gem install hpricot すると以下のようにプラットフォームを聞いてきます。Unix系OSであれば 1 を、mswin32 であれば 2 を選びます。 Select which gem to install for your platform (i386-freebsd6) 1. hpricot 0.4 (ruby) 2. hpricot 0.4 (mswin32) 3. Cancel installation コンパイルが始まり、インストールが行われます。 Building native extensions. This could take a while.
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
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