HpricotはRubyの軽量HTMLパーザ。要素へのアクセスはXPathで記述する。

作者のwhyさんは何処かに消えてしまったらしく、現在は別の人がメンテナンスしている。

$ sudo gem install hpricot

説明するよりサンプルコード、めざまし占いのページから星座と運勢を抜き出す例

require "rubygems"
require "hpricot"
require "open-uri"
require "nkf"
 
# SJISからUTF8変換
def filter(s)
  if s.nil?
    ""
  else
    NKF.nkf("-Sw", s)
  end
end
 
# openで取得したデータをそのまま渡せる、open-uriを使えばURLで指定したHTMLファイルを直接渡せる
doc = Hpricot(open("http://www.fujitv.co.jp/meza/uranai/index.html"))
 
# XPathで要素を抜きだし
date = doc.search("//td[@class = 'day']")[1].inner_text
 
# 抜き出した要素はEnumerableなので、mapメソッド等でまとめて処理できる。
items = doc.search("//table[@background ^= 'item/rank']").map { |table|
  item = {}
  item["star"] = table.search("img[@src ^= 'item/conste']").first["alt"]
  item["text"] = table.search("td[@class = 'text']").first.inner_text
  item["lucky"] = table.search("td[@class = 'lucky']").first.inner_text
  item
}
 
# 表示
puts filter date
items.each { |item|
  puts filter item["star"]
  puts filter item["text"]
  puts filter item["lucky"]
}