HTML-Parser:aus vielen HTML-Files genau(!) nur eine Zeile herausholen- immer dieselbe

**lin** · 16.10.2010 00:26

Habe noch einen parser-job:
Aufgabe: in einem HTML-Parser-Job soll aus ca. 5000 HTML-Files exakt immer die Zeile 999 heraus-extrahiert werden. Auch hier will ich die Ergebnisse in einer DB speichern.

PHP-Code:


</p><h1>dataset 1:</h1>

&nbsp;<table border="0" bgcolor="#EFEFEF"  leftmargin="15" topmargin="5"><tr>  
<td><strong>name:</strong>&nbsp;</td>  <td width=500> myname one         </td></tr><tr>  
<td><strong>type:</strong>&nbsp;</td>  <td width=500>          type_one  (04313488)        </td></tr><tr>
<td><strong>aresss:</strong>&nbsp;</td><td>Friedrichstr. 70,&nbsp;73430&nbsp;Madrid</td></tr><tr>  
<td><strong>adresse_two:</strong>&nbsp;</td>  <td>          no_value        </td></tr><tr>  
<td><strong>telefone:</strong>&nbsp;</td>  <td>          0000736111/680040        </td></tr><tr>  
<td><strong>Fax:</strong>&nbsp;</td>  <td>          0000736111/680040        </td></tr><tr>  
<td><strong>E-Mail:</strong>&nbsp;</td>  <td>          Keine Angabe        </td></tr><tr>      
<td><strong>Internet:</strong>&nbsp;</td><td><a href="http://www.mysite.es" target="_blank">www.mysite.es</a><br></td></tr><tr> <td><strong>the office:</strong>&nbsp;</td>   
<td><a href="http://www.mysite_two" target="_blank">mysite_two </a><br></td></tr><tr> 
<td><strong>:</strong>&nbsp;</td><td> no_value </td></tr><tr> 
<td><strong>officer:</strong>&nbsp;</td>  <td> no_value        </td>  </td></tr><tr>
<td><strong>employees:</strong>&nbsp;</td>  <td> 259        </td></tr><tr>  
<td><strong>offices:</strong>&nbsp;</td>  <td>     8        </td></tr><tr>  
<td><strong>worker:</strong>&nbsp;</td>  <td>     no_value        </td></tr><tr>  
<td><strong>country:</strong>&nbsp;</td>  <td>    contryname        </td></tr><tr>  
<td><strong>the_council:</strong>&nbsp;</td>  <td>

Frage - hilft es etwas wenn ich ggf. dem PERL oder PHP-Parser "sage" dass er immer die Zeile 999 herausholen soll1?

Dann ist die Übergabe an die DB immr noch nicht gemacht!

Freu mich auf Tipps.

lin

**oldlady** · 16.10.2010 09:44

hilft es etwas wenn ich ggf. dem PERL oder PHP-Parser "sage" dass er immer die Zeile 999 herausholen soll1?

ja
EDIT: ich glaub, ich hab dich da falsch verstanden:
Falls du nicht die Datei-Zeile 999 meinst sondern die Tabellen-Zeile 999dann musst du natürlich die 999.te <tr> suchen.

Dann ist die Übergabe an die DB immr noch nicht gemacht!

Du schreibst nicht was du in welcher Form übergeben willst. Die einfachste Variante,
die mir einfällt: Du generierst SQL-Befehle.
Die kannst du dann einfach per myphpadmin auf deiner Datenbank ausführen lassen.

Gruß, oldlady

**elkuku** · 17.10.2010 00:52

Formulier doch die Aufgabe bitte noch einmal allgemeinverständlich..

Hilfreich wäre auch zu wissen, was in der Zeile 999 denn steht ? Oder war das auch nur ein Beispiel ?

Ganz allgemein klingt das eher nach einem regulären Ausdruck was Du suchst..

So ganz nebenbei: Wie kommst Du eigentlich auf Perl ?

**lin** · 19.10.2010 18:47

hallo Elkuku - hallo oldlady!

vielen Dank fürs Posten:

Zitat von elkuku

Formulier doch die Aufgabe bitte noch einmal allgemeinverständlich..
Hilfreich wäre auch zu wissen, was in der Zeile 999 denn steht ? Oder war das auch nur ein Beispiel ?
Ganz allgemein klingt das eher nach einem regulären Ausdruck was Du suchst..
So ganz nebenbei: Wie kommst Du eigentlich auf Perl ?

das mit dem REGEX stimmt schon - es geht ganz in die Richtung.

muss ein Dokument parsen das ich insges. einige tausend mal vorliegen habe. Immer in der Z. 999 liegen die DATEN die ich brauche. Also dachte ich - diese Zeile muss als Erstes rausgeholt werden... :

1 perl -i.old -ne 'print if $.==999' *html laufen lassen. Das extrahiert die Zeile 999 meiner Files.

use strict;

use HTML::TreeBuilder::XPath;

my $tree = HTML::TreeBuilder::XPath->new;

# hier der File-Name

open(my $fh, "<", "file.html") or die $!;

$tree->parse_file($fh);

my ($name) = $tree->findnodes(qq{/html/body/table/tr[1]/td[2]});

print $name->as_text;

wie die Xpaths rausfinden: mit dem Firefox-plugin namens XPather, der es erlaubt einfach auf ein html-element zu klicken und dann den korrespondierenden xpath zu ermitteln.

oder es geht auch:

perl -ne"$. == 999 and print" > all999lines.txt

By the way - gibts hier Leute die Erfahrung haben mit Domdocument!?

Viele Grüße nach Südamerika!!!!
Freu mich immer wieder von dir zu lesen!!

lin

Thema: HTML-Parser:aus vielen HTML-Files genau(!) nur eine Zeile herausholen- immer dieselbe

LinkBack

Themen-Optionen

Thema durchsuchen

Anzeige

HTML-Parser:aus vielen HTML-Files genau(!) nur eine Zeile herausholen- immer dieselbe

Lesezeichen

Lesezeichen

Berechtigungen