Wikipediaを参照する

．．．または、記念日情報を取得する

初めに

Webには、Wikipedia を始め様々な情報の宝庫です。でも、その中から必要な情報を探し出すとには、工夫が要ります。とはいえ、Wikipedia等のように決まった形で情報が書き込まれているPageからは、意外と簡単に情報が取り出せます。

以下、その紹介です。

Webページから、html を取り出す

.NET Framework でWebを参照するには、二つの方法があります。WebClientとWebBrowserです。今回は、WebClientを使います。

System::Net::WebClient^ web = gcnew System::Net::WebClient(); web->Encoding = Encoding::GetEncoding(L"UTF-8");

UTF-8なら、エンコードの指定は要らなそうですが、指定しておいた方が無難です。

この web に url を指定してhtmlを取り出します。

System::IO::Stream^ st = web->OpenRead(urlStr); System::IO::StreamReader^ sr = gcnew System::IO::StreamReader(st); String^ html = sr->ReadToEnd(); sr->Close();

変数urlStr は、文字列で"http://ja.wikipedia.org/wiki/"のようなurl文字列が入ります。

また、上記内容は、次のように書けます。

String^ html = web->DownloadString(urlStr);

こちらの方が簡単ですが、文字エンコード指定は、必須です。ご注意を。

また、WebClientのメソッドには、DownloadFileとか、色々あります。こちらを参照して下さい。

必要な情報を検索する

文字列htmlから、必要な情報を取り出します。

html記述が定型であることを前提にして、注目したい情報のタグを検索して抜き出します。

今回は、Wikipediaのカレンダー情報から記念日情報を取り出します。

String^ preStr = "年中行事</span></h2>"; String^ postStr = "<h2>"; String^ wiki = html->Substring(html->IndexOf(preStr)); wiki = wiki->Substring(preStr->Length, wiki->IndexOf(postStr) - preStr->Length);

そして、表示用に加工します。

array<String^> ^annis = wiki->Split('\n'); String^ str = ""; for each (String^ oneSnt in annis) { if ((oneSnt->IndexOf("<li>") == 0) || (oneSnt->IndexOf("<dt>") == 0) || ((oneSnt->IndexOf("<p>") == 0) && (oneSnt->IndexOf("<p><a name") < 0))) str = str + "・" + removeTag(oneSnt) + "\r\n"; else if (oneSnt->IndexOf("<dd>") == 0) str = str + " " + removeTag(oneSnt) + "\r\n"; else if (oneSnt->IndexOf("</li>") == 0) str = str + "\r\n"; }

中で使用している関数removeTag は、文字通り、tag文字を取り除きます。

String^ removeTag (String^ str) { return replaceRegex("<[^>]+>", str, ""); }