nippleofanape / sumno Goto Github PK

Привіт. Ознайомився з сайтом, звідки отримується інформація - є більш легкий спосіб парсингу, до того ж дані будуть відразу структуровані.

Цей спосіб - парсинг мікророзмітки, яку використовує Google для генерації швидких результатів на сторінці пошуку.

Про наявність "схеми" говорить наявність атрибуту itemtype="http://schema.org/ScholarlyArticle" у контейнера з результатами видачі на сторінці словника.

В нашому випадку використовується ось цей тип - ScholarlyArticle

Ось в якому вигляді і яку інформацію можна отримати з мікророзмітки на цій сторінці:

(додаю результати парсингу мікророзмітки використовуючи Python)

{
    "microdata":[
        {
            "type":"http://schema.org/ScholarlyArticle",
            "properties":{
                "articleBody":"В А ́ ФЕЛЬНИЦЯ, і, жін.\n\n1. Жіночий рід до вафельник.\n\n2. Форма для випікання вафель.",
                "headline":"В А ́ ФЕЛЬНИЦЯ",
                "source":"Словник української мови: в 11 томах",
                "datePublished":"1970"
            }
        }
    ],
}

Як, і чи є взагалі подібні бібліотеки для Rust я не знаю, сам я Python-developer, але думаю що повинні бути.

Загалом це дозволить за 1 запит отримати валідний JSON, без необхідності пошуку даних в HTML, їх очистки та структуризації.