get、all、rawText などの終端コマンドで終了します。
1. 概要
1.1 構文
スクリプトは、コマンドと任意のパラメータで構成されます。コマンド
必須項目です。1行に1つだけ記述します。戻り値がセレクタ型の場合は、次の行へチェーンできます。
=>
パラメータを指定するための記号です。パラメータが不要なコマンドでは省略します。
コマンドパラメータ
XPath、正規表現、jsonPath など、コマンドに渡す具体的な条件です。
1.2 サンプル
サンプル 1: 記事リンクだけを抽出する
サンプル 1: 記事リンクだけを抽出する
すべてのリンクを取得し、
/articles/ を含むリンクだけを抽出します。サンプル 2: タイトルを取得する
サンプル 2: タイトルを取得する
任意の article タグ内で、
class="article-body" の要素配下にある h1 のテキストを取得します。サンプル 3: 本文全体を取得する
サンプル 3: 本文全体を取得する
任意の div タグ内で、
class="article-body" の要素配下にある記事本文全体を取得します。2. コマンド一覧
3. 関連構文
3.1 XPath 構文
XPath は Xsoup の構文仕様に準拠しています。HTML の要素、属性、テキストを指定して抽出できます。要素を指定
//h1、//div のようにタグ名で要素を指定します。属性で絞り込む
//div[@class='article-body'] のように属性値で対象を絞り込みます。テキストを取得
text() や allText() を使って、要素内のテキストを取得します。階層をたどる
/ や // を使って、親子関係や子孫要素を指定します。
よく使う XPath 例
3.2 regex 構文
regex は、取得済みのテキストやリンク一覧から、条件に一致する内容だけを抽出するために使います。
正規表現の学習サイト
基本的な正規表現を確認しながら練習できます。
3.3 jsonPath 構文
jsonPath は、JSON 形式のレスポンスから特定の値を抽出するために使います。
jsonPath の確認サイト
JSON データと jsonPath 式を入力して、抽出結果を確認できます。
