質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

88.92%

RubyでHTMLコードをscanしたい

解決済

回答 1

投稿 編集

  • 評価
  • クリップ 0
  • VIEW 162

shisha

score 59

正規表現の初心者です。

e-Gov法令検索
ここのページのソースコードにHTMLタグが3箇所あり、正規表現で分離しようと思いました。
しかし、思うようにとれません。

/m をつけて、. が改行でもとれるようにしています。
/i をつけて、(タグの)大文字小文字を区別しないようにしています。

html_str.scan(/<html.*>(.*)<\/html>/mi).each do |str|
  puts str[0, 20]
end

どのようにすればよろしいでしょうか。

nokogiri (追記)

もしくは、nokogiri などで、取り出したいのですが、それもうまくいかないです。

require 'open-uri'
require 'nokogiri'

url = "https://elaws.e-gov.go.jp/search/elawsSearch/elaws_search/lsg0500/detail?lawId=417AC0000000086"
doc = Nokogiri::HTML(open(url))
doc.xpath("//html").each do |e|
  puts e.text.strip[0,50]
end
doc.xpath("//HTML").each do |e|
  puts e.text.strip[0,50]
end
  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 過去に投稿した質問と同じ内容の質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

質問への追記・修正、ベストアンサー選択の依頼

  • maisumakun

    2020/07/08 22:39

    正規表現でなければならないのでしょうか?REXMLやnokogiriなどのパーサを使うという選択肢はありませんか?

    キャンセル

  • shisha

    2020/07/09 04:43

    出来るのであれば何でも良いのですが、nokogiri でもやってみたのですが、うまくいかないです。追記した自分のコードでとれて欲しいのですが、何がダメなのかわかりません。

    キャンセル

  • shisha

    2020/07/09 05:13

    strip で両端の空白・改行が全て削除できてると思いこんでいましたが、\u00A0なるノーブレークスペースを削除できておらず、上手にとりだせてないと思いこんでいたようです。失礼しました。

    キャンセル

回答 1

check解決した方法

0

何も表示されないので、うまくできていないと思いこんでいました。
しかし、strip で両端の空白・改行が全て削除できてると思いみがそもそもの間違いで、\u00A0なるノーブレークスペースという何も表示されない空白文字があり、これが期待通りに削除されていないことが原因でした。

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 88.92%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

関連した質問

同じタグがついた質問を見る