Blog

Buscando preços com o Hpricot

Publicado/atualizado em 18/04/2007 04:33

Continuando na minha dúvida cruel sobre o próximo gadget que eu vou comprar, resolvi fazer programinha para me alertar sobre os preços do Tungsten TX, consultando direto no Buscapé (consultei até 2 páginas de resultados mas esse limite pode ser aumentado facilmente), assim poderia ficar de olho nos preços e ver quando aparece algum interessante. Tá bom, o Buscapé tem até um email para avisar sobre isso, mas sabe como é, a gente gosta de escovar bits, então ... ;-)

Para fazer o parsing do resultado do site, utilizei o Hpricot, do Why. Segundo ele, o Hpricot é:

A Fast, Enjoyable HTML Parser for Ruby

Hpricot is a very flexible HTML parser, based on Tanaka Akira's HTree and John Resig's JQuery, but with the scanner recoded in C (using Ragel for scanning.) I've borrowed what I believe to be the best ideas from these wares to make Hpricot heaps of fun to use.

Para isso eu criei esse programa, que roda no eu usa o Kdialog para me avisar quando tiver alguma coisa interessante. Olhem só:

#!/usr/local/bin/ruby
require 'rubygems'
require 'hpricot'
require 'open-uri'

precos      = []
limite      = 1000

# verifica duas páginas
1.upto(2) do |pagina|
   puts "Verificando a página #{pagina}"
   doc      = open("http://compare.buscape.com.br/prod_unico?idu=43847&pagina=
#{pagina}&kw=palm+tx") {|stream| Hpricot(stream)}
   doc.search("//a[@class='xl']").collect do |preco|
      precos << preco.inner_text.match(/[\d.]+/).to_s.sub('.','').to_i
   end
end

# será que encontramos alguma coisa?
precos   = precos.select {|valor| valor < limite}
return if precos.size < 1

# se sim, me avise por favor!
mensagem = precos.sort.uniq.collect {|preco| "R$ "+preco.to_s}.join(", ")
`kdialog --title "Preços do TX" --msgbox "#{mensagem}"`

O resultado pelo menos agora é:

Aqui vocês podem encontrar a documentação do Hpricot. Realmente é um parser leve, eficiente, e fácil de usar.

Atualizado: Apesar de estar claro ali, acho que eu esqueci uma explicação da coisa, mas não tem segredo:

• O open do open-uri abre a URL e pega o seu fonte
• O fonte é convertido em um objeto com Hpricot(stream)
• search("//a[@class='xl']") procura todos os elementos a que tenham a class igual xl, o que no caso do site em questão, indica os links para os resultados da busca
• inner_text retorna o texto do link, ou seja, o que está entre <a> e </a>

Permalink: http://eustaquiorangel.com/posts/401

salvar no del.icio.ussalvar no diggsalvar no rec6 Veja o que estão dizendo sobre isso.

Comente

Linhas em branco viram saltos de linha. Se você quiser mostrar algum código, por favor use o pastebin e informe a URL.

Comentários