Rust html解析 スクレイピング

5453 ワード
develop scraping HTML Rust HTML テキストリンク

scraper

神スクレイピングライブラリ

宣言

extern crate scraper;
use scraper::{Selector, Html};

htmlの用意

let html = r#"<html>...</html>#";

htmlのパース

let document = Html::parse_document(html);

cssセレクタの用意

let css = "head";

cssセレクタのパース

let selector = Selector::parse(css).unwrap();

スクレイピング

for node in document.select(&selector) {
    //処理
}

node

・文字列として取り出す

node.value()

・属性を取得

node.value().attr("content").unwrap()

例

for node in document.select(&selector) {
    let content = node.value().attr("content").unwrap_or("");
    let i = content.find("charset=");
    let charset = match i {
        Some(i) => {
            &content[i+8..]
        },
        _ => ""
    };
    println!("{}", charset);
}

html取得

こちらを参照ください。

エンコーディング

こちらを参照ください。

第7课ベアメタル開発ツール
Javaにおける静的コードブロック、構築コードブロック、構築関数、一般コードブロック