はじめに

貴殿らはＷｅｂスクレイピングで泥臭いデータ抽出に追われ、疲弊したことはありませんなｗｗｗ
「文字化け」「表記揺れ」「クソサイトの突然の仕様変更」……これらはすべて役割を持てないゴミであり、異教徒の仕業ですぞｗｗｗ

ＣhatＧＰＴ（OpenAI API）を使えば解決すると思いきや、従来の出力はフォーマットが不安定でパースエラーを起こすなど、論理的にあり得ない挙動が多発していましたなｗｗｗ

しかし！OpenAIの「Structured Outputs（構造化出力）」を使えば、指定したＪＳＯＮＳｃｈｅｍａに１００％確実に準拠したＪＳＯＮが返ってきますぞｗｗｗ避けることのない絶対命中技ですぞｗｗｗ

この記事では、Ｒｕｂｙの神Ｇｅｍ ruby-openai を使い、クソHTMLから「タイトル」「著者」「公開日」「要約」をフルアタ構成で一発抽出する方法を解説しますぞｗｗｗヤーティ（開発環境）に入れ込みますぞｗｗｗ

ヤーティ編成（開発環境）

Ｒｕｂｙ３.２以上（必須ですぞｗｗｗ）
ruby-openai Ｇｅｍ（最新版以外あり得ないｗｗｗ）

gem install ruby-openai

環境変数にＡＰＩキーを仕込む以外あり得ないｗｗｗ

export OPENAI_ACCESS_TOKEN="your_openai_api_key_here"

構築（実装コード）

require 'openai'
require 'open-uri'
require 'json'

# 1. クライアントの初期化ですぞｗｗｗ
client = OpenAI::Client.new(access_token: ENV['OPENAI_ACCESS_TOKEN'])

# 2. 仮想敵（ターゲットのHTML）ですぞｗｗｗ
html_content = <<~HTML
  <!DOCTYPE html>
  <html>
  <head><title>テックニュース - AIの未来</title></head>
  <body>
    <article>
      <div class="meta">
        <span class="author">著者: 山田 太郎</span>
        <span class="date">公開日: 2026年7月14日</span>
      </div>
      <h1>RubyとAIの融合がもたらす開発の新時代</h1>
      <p class="lead">本日開催されたカンファレンスにて、Rubyを用いたAIアプリケーション開発の新しいエコシステムが発表されました。</p>
      <p>これにより、従来Pythonが主流だったデータ処理やLLMとの連携が、Rubyでもよりシームレスに行えるようになります。</p>
    </article>
  </body>
  </html>
HTML

# 3. 完璧な型（Schema）を定義しますぞｗｗｗ 妥協はあり得ないｗｗｗ
json_schema = {
  type: "object",
  properties: {
    title: { type: "string", description: "記事のタイトル" },
    author: { type: "string", description: "記事の著者名" },
    published_at: { type: "string", description: "公開日（YYYY-MM-DD形式に変換すること）" },
    summary_points: {
      type: "array",
      items: { type: "string" },
      description: "記事の要約を箇条書きで3点"
    }
  },
  required: ["title", "author", "published_at", "summary_points"],
  additionalProperties: false # 余計な行動（キー）はあり得ないｗｗｗ
}

# 4. 対面勝利チャットAPI呼び出しですぞｗｗｗ
response = client.chat(
  parameters: {
    model: "gpt-4o-mini", # 役割の持てる軽量高火力モデルですぞｗｗｗ
    messages: [
      { role: "system", content: "あなたはHTMLから正確に情報を抽出してJSONに変換する職人ですなｗｗｗ" },
      { role: "user", content: "以下のHTMLから情報を抽出し、指定されたスキーマに従ってJSONで出力する以外あり得ないｗｗｗ\n\nHTML:\n#{html_content}" }
    ],
    response_format: {
      type: "json_schema",
      json_schema: {
        name: "article_extractor",
        strict: true, # 厳格（ストリクト）以外あり得ないｗｗｗ
        schema: json_schema
      }
    }
  }
)

# 5. 勝利のパースですぞｗｗｗ
raw_result = response.dig("choices", 0, "message", "content")
result_json = JSON.parse(raw_result)

puts "--- 美しいＪＳＯＮ（対面勝利） ---"
puts JSON.pretty_generate(result_json)

ロジカル解説ですぞｗｗｗ

1. `strict: true` 以外あり得ないｗｗｗ

strict: true と additionalProperties: false を指定することで、ＡＩに余計な補助技（「はい、こちらがJSONです」等のゴミ前置きテキスト）を一切許しませんぞｗｗｗ常にこちらが想定した通りの最大火力ＪＳＯＮだけを出力させますぞｗｗｗ

2. 表記揺れは確定一発ですぞｗｗｗ

HTML内に「２０２６年７月１４日」だろうが「令和８年」だろうが、Ｓｃｈｅｍａの description に指示を書いておくだけで 2026-07-14 に一撃変換ですぞｗｗｗ正規表現をシコシコ書いて例外処理に怯えるなどという低火力な行動はあり得ないｗｗｗ

3. コスパ最強の重火力ヤケモン

gpt-4o-mini は消費トークン（＝ＰＰ）が非常に少なく、かつ高速で Structured Outputs をぶち込めるため、大量のバッチ処理でも完全に役割を持てますぞｗｗｗ

結論ですぞｗｗｗ

ruby-openai の Structured Outputs を使えば、どんなクソHTML相手でも後出しから完封できますぞｗｗｗ
「NokogiriでCSSセレクタがズレて壊れたｗｗｗ」と泣いている哀れな異教徒どもは、今すぐこの論理的な実装に切り替える以外あり得ないｗｗｗヤーティ（Gemfile）への追加を推奨しますぞｗｗｗ