スクレイピング、例外処理のメモ。

処理系はgauche。
使用したライブラリは、 HtmlPragのversion 0.16。
http://www.neilvandyke.org/htmlprag/htmlprag-0-16.scm
最新版はPLT Schemeベッタリとか書いてあるっぽい。

下のソースはライブドアクリップのとあるユーザーのページから、使われてるタグクラウドの部分をごっそり持ってくるもの。

(add-load-path "/c/scheme/site-lib")
(use rfc.http)
(use sxml.ssax)
(use sxml.sxpath)
(load "htmlprag-0-16.scm")

(define svr "clip.livedoor.com")
(define user "someusername")

(guard (excp
	((condition-has-type? excp <http-error>)
	 (format #t "connection error~%")
	 'http-error))
;	(else (format #t "what's happen?") 'other-error))
  (receive (status header body)
      (http-get svr (string-append "/clips/" user))
    (let1 tags ((sxpath "//div[@id='htmltagcloud']") (html->shtml body))
      (print tags))))

１行目はhtmlprag-0-16.scmを配置した場所をロードパスに追加。

gaucheでtry-catchに相当するのはguardっぽい。
他にもあった。
で、上の方で例外オブジェクト(schemeではコンディションというらしい。)をcatchして、下の方でtry。
catchは、cond文のように述語で判別して。

httpクライアントはここではhttp-get。
多値を返すのでreceiveで受ける。

で、html本体をhtmlpragのhtml->shtmlでパース。
返ってくるsxmlデータをsxpathで処理。

シンプルだ。

参考
yosaka