Извлечение простого текста в Yahoo Pipes

Question

У меня есть трубка Yahoo, принимающая канал Atom из группы Google, и я хочу сделать некоторую обработку в полном тексте сообщения (запуск различных регулярных выражений для извлечения данных). Я могу получить текст с сообщением, в виде обычного текста с от Google, используя URL, как это:

http://groups.google.com/group/(group_name)/msg/(message_id)?dmode=source&output=gplain 

Однако, у меня проблемы при получении его в Yahoo Pipes как строковое значение. Извлечь страницу из страниц, отличных от HTML. YQL с помощью таблицы HTML, кажется, работает, и заворачивает простой текст внутри элемента AP, текст которой можно извлечь так:

select * from html where url="..." and xpath="//p" 

Однако, если текст сообщения содержит HTML-тег, YQL возвращает HTML поддерево вместо строка. Есть ли способ сгладить его обратно в свой HTML-источник?

Answer 1

Трюк заключается в удалении «output = gplain» и захвате содержимого из элемента pre.

select content from html 
where url="http://groups.google.com/group/haml/msg/0f78eda2f5ef802d?dmode=source" 
and xpath='//div[contains(@class,"maincontbox")]/pre' 

Я создал трубу с группой Google и Message ID в качестве входных данных для демонстрации:

http://pipes.yahoo.com/pipes/pipe.info?_id=3d345e162405e7dbd47d73b95c21f102