スクリプト

ボタンポンで、gCommunicationのサイトからとってきてKMLを出力するようにしました。
汚くてすいません。特に、HTML抽出の正規表現が恥ずかしくて死ねます。

require 'hpricot'
require 'open-uri'
require 'kconv'
require 'rexml/document'
$KCODE = "UTF8"

class Geocoding
	KEY = '' # ここは、自分のKEYを入れてください http://code.google.com/apis/maps/signup.html
                 # "My web site URL"には、http://localhost/ を入れてください。
	GEOCODING = 'maps.google.com'
	METHOD = "/maps/geo?output=xml&key=#{KEY}&q="
	def self.get(adr)
		request_url = URI.encode(METHOD+ adr)

		Net::HTTP.start(GEOCODING) {|http|
			res = http.get(request_url, {"referer" => "http://localhost/"})
			return res.body.toutf8
		}
	end
end


def dputs(str)
	# terminal code is sjis
	STDERR.puts str.to_s.tosjis
end

NOVA_LIST = 'http://www.g-com.jp/1106nova/open/index.html'
doc = Hpricot(open(NOVA_LIST).read)

xmldoc = nil
cnt = 1
(doc/:table/:tr).each {|elem|
	t = elem.containers.last
	next unless t
	adr = ""
	ary = t.to_plain_text.split("\n")
	ary.each {|r|
		r = r.toutf8
		adr += r.chomp.gsub(/（.*$/, "").gsub(/^[ \t　]+/, " ")
		if r.include?('（')
			adr.sub!('　', ' ')
			adr.gsub!(/^ /, "")
			adr.gsub!(/[ ]*$/, "")
			adr.gsub!(/[ ][^ ]+$/, "")
			adr.sub!(' ', '')
			break
		end
	}
	next if /img/ === adr
	next if /COPYRIGHT/ === adr
	next if /G.communication/ === adr
	next if /開校済み/ === adr
	next if /電話番号/ === adr

	res = Geocoding.get(adr)
	if xmldoc == nil
		xmldoc = REXML::Document.new res
		xmldoc.root.elements.delete(xmldoc.root.elements[1])
	end
	x = REXML::Document.new res
	res_xml = REXML::XPath.first(x, "//Response")
	name = res_xml.elements["name"]
	begin
		res_xml.elements["Placemark"].elements << name
		ary = REXML::XPath.match(res_xml, "//Placemark")
		raise "cannot geocode" if ary.size == 0

		ary[0].elements << name
		if ary.size > 1 then
			ary[1..ary.size-1].each{|a|
				res_xml.elements.delete a
			}
		end
		xmldoc.root.elements << res_xml
		cnt += 1
	rescue
		dputs "ERR: " + URI.decode(name.text)
		next
	end
	#break if cnt > 5
}

puts xmldoc.to_s

われながら汚すぎるソースです。気が向いたら直します・・・