えー、車輪の再発明しまくりのような気がする今日このごろです。

っというわけで、pc watch の html (ローカル)からタイトルとリンクと詳細をひっこぬいてみるテスト。もっと短くなりそうだけど、ってか今いろいろ思いついたけど、あとで直そう。ちとバグもあったり。

# 保存してあるファイル名filename = "pcw.html"# 相対パスだった時につけるurlbaseurl = "http://pc.watch.impress.co.jp/"str = ''# 読み込みopen( filename, 'r' ) { |io|  io.each { |line|    str += line.chomp!  }}news_item_begin = "<!-- 一記事開始 -->"news_item_end = "<!-- 一記事終了 -->"news_td_begin = "<TD width=¥"442¥">"news_td_end = "<¥/TD>"news_split = "<(a|A) (href|HREF)=¥"(.*?)¥">(.*?)<¥/(a|A)>(.*)"# 記事開始〜終了までをひっこぬくstr.scan( /#{news_item_begin}(.*?)#{news_item_end}/ ){ |matched|  # テーブルから抜き出す  /#{news_td_begin}(.*?)#{news_td_end}/ =‾ matched[0]  line = $1.gsub( /<img.*?>/, '')    # link, title, description の抽出  /#{news_split}/ =‾ line  unless $3 == nil then    link = $3    title = $4    # タグを消してスペースを一つにする    description = $6.gsub( /<.*?>/, '').gsub( /¥s+/, ' ' )    unless /^http:¥/¥// =‾ link then      link = baseurl + link    end    # とりあえず puts    puts link     puts title    puts description    puts "¥n"  end}