Ruby - ウェブスクレイピング - リンク切れをチェック １ページ

1.　概要

2.　インストール

3.　ファイル

4.　ソース

1.　概要

　id を記述しているタグが複数あるので。
　id の記述を行っているタグを ini ファイルで指定できるようにしようと思ったのです。

　本項は「Python や Rubyでの INI ファイルの参照」を参考にさせていただきました。

2.　インストール

　inifile というモジュールが必要なようです。

　gem でインストールするには


プロンプト略
gem install inifile


　FreeBSD の ports でインストールするには root ユーザで


プロンプト略
cd /usr/ports/textproc/rubygem-inifile
make
make install


3.　ファイル

　ファイルを

~/.linkcheck


　としたかったのですが。
　先頭の


#!/usr/bin/env ruby


　のためかホームディレクトリの定義がなくなっているようなので、当面、ソースディレクトリと同じディレクトリに配置することにしました。

　まず「<a href="#なんとか">」と記述しているリンク先を探すために


[tag]
id=


　と記述して、id の箇所にスペースで区切って、id を定義しているタグを記述することにしました。

　事情があって、チェックしたくないリンク先があって


[link]
nocheck=ＵＲＩ


　の形式で記述して、これもスペースで区切って列挙できるようにしました。

4.　ソース

　本番のソースは別途掲載しました。

　サンプルとして

ファイル名が指定されていません


　というソースを書き、ini ファイルとして下記を読みこませて

ファイル名が指定されていません


　実行すると下記のような結果が得られます。


> ./ソースファイル名.rb
全有効行
[tag]
id = h4 h5 a div span

[link]
nocheck = https://px.a8.net/ https://go.microsoft.com/fwlink/

[output]
filename = linkchecker-out.html
silent =

分類
key = [tag] value = [id]
key = [link] value = [nocheck]
key = [output] value = [filename]
key = [output] value = [silent]

[:tag] を見る
inifile[:tag]{"id"=>"h4 h5 a div span"}

[:output] を見る
inifile[:output]{"filename"=>"linkchecker-out.html", "silent"=>nil}


　つまり、セクション名をキーとしたハッシュからアイテム名をキーとしたハッシュを作成しているってことでしょうか。

　よくできているのは、先頭が # の行は読み飛ばしてくれているところです。