msxml4.0以上でxpathにて（DOMによるツリーアクセスではなくて）

Question

neozerocool

14

14もっと見る

60pt

コンピュータインターネット

msxml4.0以上でxpathにて（DOMによるツリーアクセスではなくて）

ローカルに保存したMT系のブログやCMS出力されたファイル(xhtml)からを
記事などを取得したいんですがうまく取得できません。

はまるポイントがあればご指摘いただけませんでしょうか？

ずばりのサンプルソースでもかまいません。

こういった情報があるサイトのご紹介もお待ちしております。

いわゆるやりたいことはスクレイピングだと思うのですが、
各サイトごとにゴリゴリやってしまってもいいといえばいいのですが
できれば構造化されたものをきれいに取り込みたいのでxpathを使用したいのです。

回答の条件

1人5回まで

登録：2008/03/04 10:02:28
終了：2008/03/11 10:05:02

※ 有料アンケート・ポイント付き質問機能は2023年2月28日に終了しました。

凡 2008/03/04 13:41:09

「うまく取得できません」とありますが、現在何を試してどういう状況になっていますか。
http://support.microsoft.com/kb/303516/ja
neozerocool 2008/03/06 08:15:04

追伸です。
すいません　xhtmlロード時にxmlのパースエラーが返ってきてました。
エラーは　-1072896764
A name was started with an invalid character.
となっていました。ブログから出力されるxhtmlがいい加減なためパースできないでのしょうか？

となるとhtml>xhtmlへの厳格な返還処理というのが必要になるのでしょうか？
neozerocool 2008/03/06 08:23:31

続追伸
curl>html>xhtml>xmlでパースが目的で
tidyにたどり着きましたが　html>xhtmlの変換が強制的にはできないっぽいのです
凡 2008/03/07 10:05:27

http://itpro.nikkeibp.co.jp/article/COLUMN/20061004/249889/

定義済み実体参照まわりがあやしい気がします。
& あたりがそのまま入ってたりしませんか？
(tidyについては詳しくないので、その影響は分かりません。)

元がHTMLで、その内容をパースしたいのであればLL言語でやれば簡単だと思いますよ。
Python + lxml ならXpathも使えますし。
(libxml2を使っているので、ある程度柔軟にパースしてくれます。)

「あの人に答えてほしい」「この質問はあの人が答えられそう」というときに、回答リクエストを送ってみてましょう。

これ以上回答リクエストを送信することはできません。制限について

リクエスト送信済

回答リクエストを送信したユーザーはいません

ffmpeg · Answer 1 · 2008-03-05T00:59:41+09:00

No.1

ffmpeg120292008/03/05 00:59:41

60pt

ご要望のことが書いてある記事のようですが。

http://www.itmedia.co.jp/enterprise/articles/0712/06/news018_2.h...

すでにこういったところをみながらcurlで取得したブログを保存（特にXMLに変換は行っていない）し、

vb6+msxmlにてサンプルを作成しておりましたが、Xpathの指定が間違っているのか

うまくノードを取得できないのです。

文書自体のロードではエラーはでていないので

XML Namespaces Recommendation [XML Names]

あたりが問題なのかと考えているのですが・・・

2008/03/06 08:14:44

msxml4.0以上でxpathにて（DOMによるツリーアクセスではなくて）

回答（1件）

ffmpeg120292008/03/05 00:59:41

コメント（4件)

この質問への反応（ブックマークコメント）