TEDの英語原稿を取得する

更新日:2023.05.05 作成日:2012.03.20
#Ruby #Ted

方針

http://www.ted.com/talks/subtitles/id/# {固有のID}/lang/en を叩くと、英語原稿のjsonが返ってくる。

TEDのビデオの固有のIDを取得して、API叩いて、jsonをparseして、出力すればいけそう。

jsonのパース

gem install json
require 'rubygems'
require 'open-uri'
require 'json'

open("http://www.ted.com/talks/subtitles/id/1183/lang/en") do |f|
  json = JSON.parse(f.read)
  json['captions'].each do |j|
    puts j['content']
  end
end

こんな感じで取得できそう。

TEDの英語原稿を取得する

固有IDを取得するために、nokogiriでHTMLをparseする

brew update
brew install libxml2 libxslt
gem install nokogiri
require 'rubygems'
require 'open-uri'
require 'json'
require 'nokogiri'

url = "http://www.ted.com/talks/brene_brown_listening_to_shame.html"
doc = Nokogiri::HTML(open(url))

ted_id = doc.xpath("//div[@id='share_and_save']").first.attribute("data-id")

open("http://www.ted.com/talks/subtitles/id/#{ted_id}/lang/en") do |f|
  json = JSON.parse(f.read)
  json['captions'].each do |j|
    puts j['content']
  end
end

スクレイピングの方法がわからなくて四苦八苦。以下を参照して、怪しげながら、固有IDの取得。

できた

TED

参考

Related contents