Question

我有一个Yahoo管道从Google组中获取Atom提要，我想对消息的全文进行一些处理（运行各种正则表达式来提取数据）。我可以使用这样的网址从Google获取纯文本的短信：

http://groups.google.com/group/(group_name)/msg/(message_id)?dmode=source&output=gplain

但是，我无法将其作为字符串值在Yahoo管道中获取。获取页面拒绝非HTML页面。使用html表的YQL似乎有效，并将纯文本包装在一个p元素中，我可以像这样提取其文本：

select * from html where url="..." and xpath="//p"

但是，如果消息文本包含html标记，则YQL将返回HTML子树而不是字符串。有没有办法将它展平回HTML源代码？

Answer 1

诀窍是删除“output = gplain”并从pre元素中获取内容。

select content from html 
where url="http://groups.google.com/group/haml/msg/0f78eda2f5ef802d?dmode=source" 
and xpath='//div[contains(@class,"maincontbox")]/pre'

我创建了一个包含Google Group和Message ID作为输入的管道来演示：

http://pipes.yahoo.com/pipes/pipe.info?_id=3d345e162405e7dbd47d73b95c21f102

在Yahoo Pipes中获取纯文本

1 个答案: