スクレイピング！スクレイピング！

はてなハイクをAPIを使わずにHTMLで解析することになった。
ここにとりあえずURLをまとめてある。
で、最終的にはHatenaHaiku4Jに組み込む予定なんですが
とりあえずGroovyで動作などを下調べということで、書いたソースが以下。

ソース

解説

正規表現版とXmlSlurper版を書いてみた。

正規表現版

力技的です。空白とか改行とかの扱いがちょっとイヤだなぁという印象。

XmlSlurper版

取得してきたHTMLにXML宣言などをちょっと付け加えてValidなXMLにしてしまうという方法。
この方法だと空白とか改行とかの扱いはパーサがやってくれるので楽。
正式採用はこちらにします。

参考

404 Unknown page Reading+XML+using+Groovy