Есть ли способ заставить YQL возвращать HTML?

Я пытаюсь использовать YQL для извлечения части HTML из серии веб-страниц. Сами страницы имеют немного другую структуру (так что Yahoo Pipe "Fetch Page" с ее функцией "Сокращение содержимого" работает не очень хорошо), но фрагмент, который меня интересует, всегда имеет тот же атрибут class.

Если у меня есть HTML-страница, вот так:

<html>
  <body>
    <div class="foo">
      <p>Wolf</p>
      <ul>
        <li>Dog</li>
        <li>Cat</li>
      </ul>
    </div>
  </body>
</html>

и используйте выражение YQL следующим образом:

SELECT * FROM html 
WHERE url="http://example.com/containing-the-fragment-above" 
AND xpath="//div[@class='foo']"

то, что я получаю, это (явно неупорядоченные?) элементы DOM, где я хочу, это сам контент HTML. Я также пробовал SELECT content, но это только выбирает текстовое содержимое. Я хочу HTML. Возможно ли это?

Ответ 1

Вы можете написать небольшую Открыть таблицу данных, чтобы отправить обычный запрос таблицы YQL html и укрепить результат. Что-то вроде следующего:

<?xml version="1.0" encoding="UTF-8" ?>
<table xmlns="http://query.yahooapis.com/v1/schema/table.xsd">
  <meta>
    <sampleQuery>select * from {table} where url="http://finance.yahoo.com/q?s=yhoo" and xpath='//div[@id="yfi_headlines"]/div[2]/ul/li/a'</sampleQuery>
    <description>Retrieve HTML document fragments</description>
    <author>Peter Cowburn</author>
  </meta>
  <bindings>
    <select itemPath="result.html" produces="JSON">
      <inputs>
        <key id="url" type="xs:string" paramType="variable" required="true"/>
        <key id="xpath" type="xs:string" paramType="variable" required="true"/>
      </inputs>
      <execute><![CDATA[
var results = y.query("select * from html where [email protected] and [email protected]", {url:url, xpath:xpath}).results.*;
var html_strings = [];
for each (var item in results) html_strings.push(item.toXMLString());
response.object = {html: html_strings};
]]></execute>
    </select>
  </bindings>
</table>

Затем вы можете запросить эту пользовательскую таблицу с помощью запроса YQL, например:

use "http://url.to/your/datatable.xml" as html.tostring;
select * from html.tostring where 
  url="http://finance.yahoo.com/q?s=yhoo" 
  and xpath='//div[@id="yfi_headlines"]/div[2]/ul/li'

Изменить: Просто понял, что это довольно старый вопрос, который был наткнулся; по крайней мере, ответ здесь, в конце концов, для тех, кто спотыкается о вопросе.:)

Ответ 2

У меня была такая же точная проблема. Единственный способ, которым я обходился, - избегать YQL и просто использовать регулярные выражения в соответствии с начальными и конечными тегами:/. Не лучшее решение, но если html относительно неизменен, а шаблон просто от <div class='name'> до <div class='just_after > `, то вы можете с этим справиться. Затем вы можете получить html между.

Ответ 3

YQL преобразует страницу в XML, затем использует ваш XPath, затем берет DOMNodeList и сериализует это обратно в XML для вашего вывода (а затем при необходимости преобразуется в JSON). Вы не можете получить доступ к исходным данным.

Почему вы не имеете дело с XML вместо HTML?