Cookbooks
Lua
Kapitel 11. HTML und das Web
HTML parsen

Lua:
HTML parsen

Wie geht das:

Lua verfügt nicht über eine integrierte Bibliothek zum Parsen von HTML, aber Sie können Drittanbieter-Bibliotheken wie LuaHTML nutzen oder Bindungen für libxml2 durch LuaXML verwenden. Ein beliebter Ansatz ist die Verwendung der lua-gumbo-Bibliothek zum Parsen von HTML, die eine unkomplizierte, HTML5-konforme Parsing-Fähigkeit bietet.

lua-gumbo installieren:

Stellen Sie zunächst sicher, dass lua-gumbo installiert ist. Sie können es in der Regel mit luarocks installieren:

luarocks install lua-gumbo

Grundlegendes Parsen mit lua-gumbo:

So können Sie einen einfachen HTML-Schnipsel parsen und Daten daraus extrahieren mit lua-gumbo:

local gumbo = require "gumbo"
local document = gumbo.parse[[<html><body><p>Hallo, Welt!</p></body></html>]]

local p = document:getElementsByTagName("p")[1]
print(p.textContent)  -- Ausgabe: Hallo, Welt!

Fortgeschrittenes Beispiel - Links extrahieren:

Um href-Attribute von allen Anker-Tags (<a>-Elementen) in einem HTML-Dokument zu extrahieren:

local gumbo = require "gumbo"
local document = gumbo.parse([[
<html>
<head><title>Beispielseite</title></head>
<body>
  <a href="http://beispiel.com/1">Link 1</a>
  <a href="http://beispiel.com/2">Link 2</a>
  <a href="http://beispiel.com/3">Link 3</a>
</body>
</html>
]])

for _, element in ipairs(document.links) do
    if element.getAttribute then  -- Stellen Sie sicher, dass es ein Element ist und Attribute hat
        local href = element:getAttribute("href")
        if href then print(href) end
    end
end

-- Beispiel Ausgabe:
-- http://beispiel.com/1
-- http://beispiel.com/2
-- http://beispiel.com/3

Dieser Codeausschnitt iteriert durch alle Links im Dokument und druckt deren href-Attribute aus. Die Fähigkeit der lua-gumbo-Bibliothek, die Struktur eines HTML-Dokuments zu parsen und zu verstehen, vereinfacht den Prozess der Extraktion spezifischer Elemente basierend auf ihren Tags oder Attributen.

Webseite herunterladenEinen HTTP-Request senden