如何对不规范的HTML使用XPath查询

jhsea3do

刚接触ruby，目前需要用ruby做bot，遇到个棘手的问题

我发现REXML不能直接处理不规范的HTML (或者说非XHTML)，
我做java的时候都是用htmlcleaner解决这个问题的，但是ruby就没啥概念了。

关于HTML的parser, 现在google下来也有好几个工具了

rubyful_soap
ymHtml
hTree

不过还是想问问各位都在用哪个开发包呢？

jhsea3do

先用rubyful_soup了，我看oreilly的书上的例子就是用这个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. }
    

复制代码