📢 Webサイト閉鎖と移転のお知らせ
このWebサイトは2026年9月に閉鎖いたします。
新しい記事は移転先で追加しております。（旧サイトでは記事を追加しておりません）
| 36行目: | 36行目: | ||
== XPath == | == XPath == | ||
==== libxml2ライブラリ ==== | |||
===== libxml2ライブラリとは ===== | |||
libxml2ライブラリは、XMLの処理に主眼を置いているが、HTMLの解析と操作にも対応している。<br> | |||
HTMLはXMLと比較して構造が緩やかであり、しばしば厳密な文法規則に従っていないため、libxml2ライブラリはHTMLの特性に合わせた機能を提供している。<br> | |||
<br> | |||
libxml2ライブラリは、整形式でないHTMLドキュメントを解析する能力を持っている。<br> | |||
これは、閉じタグの欠落や属性値の引用符の省略等、Webページでよく見られる不完全なマークアップを適切に処理できることを意味する。<br> | |||
libxml2ライブラリは、可能な限りドキュメントの構造を推測して、妥当なDOM (Document Object Model) ツリーを構築する。<br> | |||
<br> | |||
HTMLの解析には、libxml2ライブラリのhtmlParserモジュールが使用される。<br> | |||
このモジュールは、一般的なHTMLの特殊性、例えば大文字小文字を区別しない要素名、空要素の処理、特定の要素に対するデフォルトの属性の追加等を考慮している。<br> | |||
<br> | |||
libxml2ライブラリを使用することにより、HTMLドキュメントの読み込み、要素や属性の追加・変更・削除、DOMツリーの操作が可能である。<br> | |||
また、XPath式を使用してHTML文書内の特定の要素を検索することもできる。<br> | |||
<br> | |||
WebスクレイピングやHTMLコンテンツの自動生成、既存のHTMLドキュメントの修正等のタスクにおいて、libxml2ライブラリは有用なツールとなる。<br> | |||
<u>ただし、モダンなWebアプリケーションで使用される動的なJavaScriptコンテンツの処理には制限があることに注意が必要である。</u><br> | |||
<br> | |||
libxml2ライブラリは、HTMLをXHTML (XML準拠のHTML) に変換する機能も提供している。<br> | |||
これにより、既存のHTMLコンテンツをより厳格なXML処理パイプラインに統合することが可能となる。<br> | |||
<br> | |||
このように、libxml2ライブラリはHTMLの処理においても柔軟性と堅牢性を提供して、Webコンテンツを扱う多くのアプリケーションで重要な役割を果たしている。<br> | |||
<br> | |||
===== libxml2ライブラリのライセンス ===== | |||
libxml2ライブラリのライセンスは、MITライセンスに準拠している。<br> | |||
<br> | |||
===== libxml2ライブラリのインストール ===== | |||
* パッケージ管理システムからインストール | |||
# RHEL | |||
sudo dnf install libxml2-devel | |||
# SUSE | |||
sudo zypper install libxml2-devel | |||
<br> | |||
* ソースコードからインストール | |||
libxml2ライブラリのビルドに必要なライブラリをインストールする。<br> | |||
# RHEL | |||
sudo dnf install cmake python3-devel \ | |||
zlib-devel # zlibライブラリを使用する場合 | |||
xz-devel # lzmaライブラリを使用する場合 | |||
readline-devel # Readlineライブラリを使用する場合 | |||
libicu-devel # ICUライブラリを使用する場合 | |||
meson ninja-build # MesonおよびNinjaでビルドする場合 | |||
# SUSE | |||
sudo zypper install cmake python3-devel \ | |||
zlib-devel # zlibライブラリを使用する場合 | |||
xz-devel # lzmaライブラリを使用する場合 | |||
readline-devel # Readlineライブラリを使用する場合 | |||
libicu-devel # ICUライブラリを使用する場合 | |||
meson ninja # MesonおよびNinjaでビルドする場合 | |||
<br> | |||
[https://gitlab.gnome.org/GNOME/libxml2 libxml2ライブラリのGithub]、または、[https://github.com/GNOME/libxml2 libxml2ライブラリのGithub]にアクセスして、ソースコードをダウンロードする。<br> | |||
ダウンロードしたファイルを解凍する。<br> | |||
tar xf libxml2-v<バージョン>.tar.gz | |||
cd libxml2-v<バージョン> | |||
<br> | |||
libxml2ライブラリをビルドおよびインストールする。<br> | |||
mkdir build && cd build | |||
# CMakeを使用する場合 | |||
cmake -DCMAKE_BUILD_TYPE=Release \ | |||
-DCMAKE_INSTALL_PREFIX=<libxml2ライブラリのインストールディレクトリ> \ | |||
-DLIBXML2_WITH_HTTP=ON \ # HTTPをサポートする場合 | |||
-DLIBXML2_WITH_READLINE=ON \ # Readlineを使用する場合 | |||
-DLIBXML2_WITH_ICU=ON \ # ICUライブラリを使用する場合 | |||
-DLIBXML2_WITH_ZLIB=ON \ # zlibライブラリを使用する場合 | |||
-DLIBXML2_WITH_LZMA=ON \ # lzmaライブラリを使用する場合 | |||
.. | |||
make -j $(nproc) | |||
make install | |||
# MesonおよびNinjaを使用する場合 | |||
meson setup ./build \ | |||
-Dprefix=<libxml2ライブラリのインストールディレクトリ> \ | |||
-Dhttp=enabled \ | |||
-Dicu=enabled \ | |||
-Dlzma=enabled \ | |||
-Dzlib=enabled | |||
ninja -C ./build | |||
ninja -C ./build install | |||
<br> | |||
===== 要素の取得 ===== | |||
以下の例では、WebページのHTMLをダウンロードして、<head>タグ内の<title>タグの値を抽出している。<br> | 以下の例では、WebページのHTMLをダウンロードして、<head>タグ内の<title>タグの値を抽出している。<br> | ||
<br> | <br> | ||