如何對(duì)不規(guī)范的HTML使用XPath查詢

jhsea3do

剛接觸ruby，目前需要用ruby做bot，遇到個(gè)棘手的問(wèn)題

我發(fā)現(xiàn)REXML不能直接處理不規(guī)范的HTML (或者說(shuō)非XHTML)，
我做java的時(shí)候都是用htmlcleaner解決這個(gè)問(wèn)題的，但是ruby就沒(méi)啥概念了。

關(guān)于HTML的parser, 現(xiàn)在google下來(lái)也有好幾個(gè)工具了

rubyful_soap
ymHtml
hTree

不過(guò)還是想問(wèn)問(wèn)各位都在用哪個(gè)開(kāi)發(fā)包呢？

jhsea3do

先用rubyful_soup了，我看oreilly的書(shū)上的例子就是用這個(gè)soup

1. 
   
2. 
   
3. require 'rexml/document'
   
4. require 'rubygems'
   
5. require 'rubyful_soup'
   
6. 
   
7. resp, data = request(url, nil)
   
8. # entrance xml
   
9. ent_xml = BeautifulSoup.new(resp.body).prettify
   
10. ent_doc = REXML::Document.new(ent_xml)
    
11. elems_input = ent_doc.elements.to_a('//input')
    
12. elems_input.each { | elem_input |
    
13.     puts elem_input
    
14. }
    

復(fù)制代碼