html2regexp - Regular Expression Generator for HTML Element

• はじめに
• デモ
• ダウンロード
• インストール

はじめに

html2regexpとは

html2regexpはHTML要素を抽出する正規表現を自動生成するツールです。 抽出対象のHTML要素を指定したHTMLファイルを入力すると、それらのHTML要素のみを全て抽出する正規表現を出力します。

動作例

次のHTMLファイルをhtml2regexpに入力します。 このとき、タグの末尾の"h2r"により、抽出対象のHTML要素を指定します。

<ul>
   <li><a href="hoge" class="h" h2r>hoge</a></li>
   <li><a href="huga" class="h" h2r>huga</a></li>
</ul>
<div>
   <a href="f">f</a>
</div>

(<(\w*?)\s*([^>]*?" class="h"[^>]*?)>(.*?)<\/\2>)

html2regexpの利用例

HTMLの情報抽出

html2regexp を使うことで、HTMLファイルから特定の情報を抜き出す正規表現を簡単に作成できます。

自動テストの作成

Webアプリケーションのテストでは、適切なHTMLファイルが生成されることを検証する必要があります。 html2regexp を使うことで、検証用の正規表現を簡単に作成できます。

html2regexpの制限

• 抽出するHTML要素は閉じタグが存在している必要があります。
• 抽出するHTML要素は、その要素中に同じタグの要素を含むことができません。 例えば、次のHTML

  <div class="1"><div class="2">hoge</div></div>

  から、<div class="2">hoge</div>要素は抽出できますが、 <div class="1"><div class="2">hoge</div></div>要素は抽出できません。
• 適切な正規表現を抽出できない場合があります。 この場合、できるだけ適切な正規表現を出力します。

デモ

ダウンロード

• libstree-0.4.2-y.tar.gz
• liblaika-0.0.1.tar.gz
• html2regexp-0.0.1.tar.gz

インストール

動作環境

• Debian-3.1
• ruby-1.8.5

インストール手順

libstree

$ tar xvzf libstree-0.4.2-y.tar.gz
$ cd libstree-0.4.2-y
$ ./configure
$ make
$ sudo make install

liblaika

$ tar xvzf liblaika-0.0.1.tar.gz
$ cd liblaika-0.0.1
$ ./configure
$ make
$ sudo make install

laika-ruby

$ cd liblaika-0.0.1
$ cd ruby
$ ruby extconf.rb
$ make
$ sudo make install

html2regexp

$ tar xvzf html2regexp-0.1.1
$ cd html2regexp-0.1.1
$ sudo ruby setup.rb