[ruby]Hpricot

使い方1
使い方2 pylori*style wiki - HTMLパーサ Hpricot
和訳リファレンス　Ruby Scraping - FrontPage

例：HTMLに付いているタグを外す。
例えば、イースト辞書WebサービスのAPI(REST)を使って、
wikipediaから「ソース」を検索した結果の一部（元はXHTML文書）。

<li> (<b>sauce</b>) おもに<span class='NetDicItemLink' ItemID='24433'>西洋料理</span>でつかわれる液状の<span class='NetDicItemLink' ItemID='3123'>調味料</span>。→<span class='NetDicItemLink' ItemID='30068'>ソース (調味料)</span></li>

rubyソース

text = "<li> (<b>sauce</b>) おもに<span class='NetDicItemLink' ItemID='24433'>西洋料理</span>でつかわれる液状の<span class='NetDicItemLink' ItemID='3123'>調味料</span>。→<span class='NetDicItemLink' ItemID='30068'>ソース (調味料)</span></li>"
hp = Hpricot(text)
buf = ""
hp.traverse_text{|elem| buf += elem.to_s}
puts buf

出力

(sauce) おもに西洋料理でつかわれる液状の調味料。→ソース (調味料)