SITEINFOの書き方入門
SITEINFOは次のページへのリンクがどれかを示すnextLinkと、ページの中の本文部分を示すpageElementとでできています。
nextLinkは複数にマッチするXPathでも大丈夫です。複数の要素にマッチするときは、一番はじめにマッチしたものが使われます。よくページの上部と下部に同じナビゲーションが入っているページがありますが、そのときも片方だけの次のページへのリンクにマッチするようにXpathを書かなくてもAutoPagerizeがマッチしたものの中で一番はじめのものを使ってくれます。(実装はそうなってるけど仕様としてどうなのかは知らない)
AutoPagerizeのSITEINFOと同様な仕組みはLDRizeやLDR Full Entryでも用いられているので、書けるようになると他のところでも役に立ちますよ。他にもまじめにXSLTでバリバリ使われます。GRDDLとかも。 だからXPathがわかるようになるといいですよ。
まずstep by stepな書き方解説
The Whole World is peaceful. - snj14師曰く、「この世界はXPathにあふれておる。みてみよ、あの街を、あの風景を」のインライン展開バージョンをfirebugのHTML構造キャプチャとか画面キャプチャと一緒に解説。
SITEINFOの書き方のこつ
次にデザイン、マークアップの観点から分類、それぞれのアプローチについて解説。
nextLink
"次のページ"へのリンクがあるもの
上の画像のはてなブックマークのページのように、今みているページのページ数に依存しないで、常に今みているページの"次のページ"へのリンクが決まった位置に存在するデザインのナビゲーションになっているときは、その次のページへのリンクを表すXPathを書くのが簡単です。
この場合、たいていは以下のどれかのケースに当てはまります。
rel="next"でマークアップされているケース
次のページへのリンクにrel="next"という属性がつけられていることがあります。このときは //a[@rel="next"] と書けるので精度が高く、変化に強いXPathになります。
特定の属性(classやidなど)が指定されているケース
//a[@class="..."]とか。
次のページのリンクに特定の文言、画像などが含まれるケース
a[contains(text(), "")] で書けるけど、気まぐれだしi18nの面でもよくないです。operaのアプローチ。»とかいれるのもいいです。
なにもついてないけど右端に置かれているもの
ある要素を指定して、その最後の子要素を取得するといいです。
a[last()]なかんじ。
数字だけのもの
Userscripts.orgの検索結果のように、ページ番号だけが表示されて次のページへのリンクが独立して存在しないようなデザインのナビゲーションもあります。
このときはちょっと厄介です。
いまのページの次の要素を指定するケース
ふつうはいまのページだけ、わかりやすいように強調されていたりするので、それを目印にして b/following-sibling::a というかんじで指定できます。
pageElement
tableで組まれていてclassやidがなくて書きにくいケース
何番目のtableかで指定したり、cellpaddingの微妙な値で指定すると、変化に弱いXPathになってしまいます。
pageElementになる部分にだけ含まれている画像がある場合、その画像を基準にしてXPathを書きます。その画像の一番近い祖先のtableという書き方をすると、変化に強いXPathになります。
例: ヤフーオークション検索結果のpageElement
//img[contains(@src,"down.gif") or contains(@src,"up.gif")]/ancestor::table[1]pageElementが複数のpでできていたりするケース
CNETの記事のように、長文を複数のページに分割しているものに多いタイプです。HTMLの組まれかたによって難しくなります。 following-siblingを駆使すると表現できることもあります。
following-sibling::node()[ ./following-sibling::*/descendant-or-self::kokomade ]
- AutoPagerize pageElement ここよりもあとでここより前、みたいなのが書きたいとき - ロックスターになりたい
- ここよりも後でここより前を指定するXPath - 0x廃棄階層 - 統治局