| ■40936 / inTopicNo.2) | Re[1]: HTMLからXHTMLへの変換について |
| ■No40934 (きのこさん さん) に返信 直接的な回答でないかもしれません。だとしたら申し訳ない。 > テストに使用したサイトはグーグルのトップページです。 グーグルのトップページというと http://www.google.co.jp/ でしょうか。 ちょっと見てみましたが、文法的にはかなり酷い、というかトリッキーな感じの HTML になっているのだと思います＞グーグルのトップページ なので、XHTML へ変換するのはちょっとやそっとではいかないと思います。 > しかし、 > <html> > <body> > てすと > </body> > </html> > これくらいの単純なものでしたら、あっさりと変換されます。 > > これはこの変換ツールが変換するHTMLのコードを選ぶということなのでしょうか？ この変換ツール（ InfoPathSDK のツールということですよね？）もおそらく完璧 ではないでしょうし、むしろ変換できない HTML の方が多いかもしれません。 Web スクレイピングは対象となるサイトが返す HTML に依存するので、サイト側が まっとうに XHTML に変換できる素直な HTML を必ず返すとは限りません。 現在は技術も進化しているようですが、本来スクレイピング処理は「泥臭い」もの だと私は考えています。 > また、もし他に良いツール等がございましたら、教えていただけると助かります。 > > Tidyというツールを使ってみることも考えたのですが、.NET向けのサンプルコードが全く見つからないのと、 > 解説が英語しかないために断念しております。 Tidy と言えば、以前ちょっと調べたことがあった気がするなぁ…と思って検索して みましたが、これではダメでしょうか。 http://www.w3.org/People/asada/tidy/ コマンドラインで動くようですし、そんなに難しくないように思えます。 単に変換でなくプログラムで操作したいというのであれば .NET 用に TidyLib という ものもあるようなので、そこを調べてみるといいでしょう。 ただ、日本語の解説はあまり期待してはいけないようです。 そもそも解説が英語しかないので断念するようであれば、断念しておけばいいと思います。 ざっと見た限りはそんな難しい英語というわけでもなさそうですし、辞書を片手に 調べるぐらいはできますよね。そこで技術的な壁にぶち当たったら質問すれば いいことです。 がんばってください。 |