Webページã®æœ¬æ–‡æŠ½å‡º (nakatani @ cybozu labs)Webページã®è‡ªå‹•ã‚«ãƒ†ã‚´ãƒ©ã‚¤ã‚º ã®ç¶šã。 å‰å›žæ›¸ã„ãŸã¨ãŠã‚Šã€ãƒ‘ストラックã§è¡Œã£ã¦ã„ã‚‹ Web ページã®ã‚«ãƒ†ã‚´ãƒ©ã‚¤ã‚ºã§ã¯ã€Web ページã®æœ¬æ–‡æŠ½å‡ºãŒã²ã¨ã¤ã®éµã«ãªã£ã¦ã„ã¾ã™ã€‚今回ã¯ãã®æœ¬æ–‡æŠ½å‡ºãƒ¢ã‚¸ãƒ¥ãƒ¼ãƒ«ã‚’公開ã—ã¤ã¤ã€ä½¿ã£ã¦ã„る技法をã–ã£ãり解説ãªã©ã—ã¦ã¿ã¾ã™ã€‚ 本モジュールã®åˆ©ç”¨ã¯è‡³æ¥µç°¡å˜ã€‚require ã—㦠analyse メソッドã«è§£æžã—ãŸã„ html を与ãˆã‚‹ã ã‘。文å—コード㯠UTF-8 ã§ã™ã€‚ ã€è¿½è¨˜ã€‘大事ãªã“ã¨æ›¸ã忘れ。本モジュール㯠Ruby1.8.5 ã§å‹•ä½œç¢ºèªã—ã¦ã„ã¾ã™ãŒã€ç‰¹åˆ¥ãªã“ã¨ã¯ã—ã¦ã„ãªã„ã®ã§ã€1.8.x ãªã‚‰å‹•ãã¨æ€ã„ã¾ã™ã€‚ $KCODE="u" # æ–‡å—コード㯠utf-8 require 'extractcontent.rb' # オプション値ã®æŒ‡å®š opt = {:waste_expressions => /ãŠå•ã„åˆã‚ã›|会社概è¦/} ExtractCont
スクレイピングã¯ã‚‚ã£ã¨ç°¡å˜ã«ãªã‚‰ãªã‘ã‚Œã°ã„ã‘ãªã„ - bits and bytes
{{#tags}}- {{label}}
{{/tags}}