Class: AnvisaParser

Inherits:
Object
  • Object
show all
Defined in:
lib/anvisa_parser.rb

Constant Summary collapse

DEBUG =
false

Class Method Summary collapse

Class Method Details

.extract_produto(plain_html) ⇒ Object



20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
# File 'lib/anvisa_parser.rb', line 20

def self.extract_produto(plain_html)

  html = Hpricot(plain_html)

  table = html.at("table.formulario")
  #devido a html errado da anvisa (ln 106 e 116), subo dois niveis e ignoro o primeiro td
  table = table.parent.parent.parent

  values = []
  ignore_first = true
  table.search("td").each do |td|
    if ignore_first
      ignore_first = false
      next
    end
    if DEBUG
      puts '=== td.inner_html ==='
      puts td.inner_html
    end
    value = td.inner_html
    value.gsub!(/ /, ' ')    #substitui o espaco do html por espaco
    value.strip!                   #remove espacos adicionais
    value.gsub!(/(<br>|<br\s\/>)/, "\n")
    value.gsub!(/<[^>]*>/, '')    #remove qualquer tag restante
    values << value
  end


  Produto.new(:empresa  => values[0], :cnpj   => values[1], :autorizacao  => values[2],
              :nome     => values[3], :modelo => values[4], :registro     => values[5],
              :processo => values[6], :origem => values[7], :vencimento_registro  => values[8])
end


8
9
10
11
12
13
14
15
16
17
18
# File 'lib/anvisa_parser.rb', line 8

def self.find_links_produtos(plain_html)
  html = Hpricot(plain_html)
  links = []
  html.search('a[@href*="ver_detalhes"]').each do |link|
    #link['href'] returns:
    #javascript:ver_detalhes('302629','LABORAT%C3%93RIOS%20B.%20BRAUN%20S/A','31673254000102');
    params = link['href'].scan(/'([^']*)'/) #ER, pega os valores que estão dentro das ''
    links << LinkProduto.new(params[0].to_s, params[1].to_s, params[2].to_s)
  end
  links
end