Webページのスクレイピングを行うObjective-C用のライブラリーです。
- ill-formedなHTMLのパース＆DOM化
- CSS(Selector Level 4)セレクターによるDOM要素の選択操作
- jQueryのDOM選択のような、気軽な記述ができることを目標にしています
- 簡単に使えるWebクライアントAPI（未実装）
#import <SFScrapingKit.h>
int main(int argc, char **argv)
{
const NSString *HTML_DATA = ...;
// URLを直接開く機能は未実装です。。
// [SFNodeList open:@"https://github.com/hisui/scrapingkit/README.md"]
[SFNodeList nodeListWithHTML:HTML_DATA]
.find(@"h1+*+ul li")
.forEach(^(SFElement *elem)
{
NSLog(@"li:text=%@", elem.text);
});
}| 表記 | 意味 | 例 |
|---|---|---|
| E | 名前がEの要素 | <E/> |
| * | あらゆる要素 | |
| E.x | xがEのclass | <E class="x"> |
| E#x | xがEのid | <E id="x"> |
| !E | Eは選択対象(Subject) |
| 表記 | 意味 | 例 |
|---|---|---|
| E F | Fの孫要素のE | <E>..<F/>..</E> |
| E > F | Fの子要素のE | <E>..<C><F/></C>..</E> |
| E + F | Fの次の要素F | <E/><F/> |
| E ~ F | Fの兄弟要素F | <E/>...<F/> |
| E /X/ F | Eは属性XでFのidを参照 | <E X="Y"/>...<F id="Y"> |
| 表記 | 意味 |
|---|---|
| E:nth-{last-}child/of-type(EQ) | EQが表す位置の要素 |
| E:first-child | Eは最初の子要素 |
| E:last-child | Eは最後の子要素 |
| E:only-child/of-type | Eは唯一の子要素 |
| E:empty | Eは子要素を持たない |
| E:blank | Eは空白のテキストのみ子要素とする |
| E:root | Eはドキュメントのルート要素 |
| E[X] | Eは属性値Xをもつ |
| E[X=Y] | Eの属性値XはYである |
| E[X~=Y] | Eの属性値XはYを含む(単語扱い) |
| E[X*=Y] | Eの属性値XはYを含む |
| E[X^=Y] | Eの属性値XはYで始まる |
| E[X$=Y] | Eの属性値XはYで終わる |
| E:matches(X,Y,..) | Eは条件X,Y,..のどれかに適合する |
| E:not(X,Y,..) | Eは条件X,Y,..のどれにも適合しない |
( EQ にはXn+Yなどの形式が利用できます)
詳しくはCSSのリファレンスなどを参照してください。
| 表記 | 意味 |
|---|---|
| E:nth-{last-}match(X of Y) | 調べ中 |
| E:lang(...) | Eは言語情報をもつ |
他にも対応漏れがあるかもしれません。ご指摘いただけると嬉しいです。
- UIの挙動に関するセレクターを実装する予定はありません
- :hover, :visited など
- 32個以上のコンビネーターを一度に処理できない制限をなくす
- SFNodeListを非同期で扱えるようにする
- HTMLのタグの解釈を、より既存のブラウザに近く
- li, script の扱いなど
:not(...)などで、内側のセレクターの要素指定を省略できるようにする:not(*:empty)->:not(:empty)
0.0.1 (作りかけ)
MIT