Daten zwischen zwei Ausdrücken drucken (Allgemeines zu Perl)

[thread]13416[/thread]

Daten zwischen zwei Ausdrücken drucken

Leser: 27

Articles: hide open all | hide show old branches

+10 replies
MisterL

2009-04-20 17:59
User since
2006-07-05
334 Artikel
BenutzerIn
Hallo,

wenn ich mit WWW::Mechanize und $mech->content Daten aus einer Webseite auslese und die Beispiel-Datenstruktur präsentiert sich in etwa wie hier:
Code: (dl )

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21

<html> <body> <head> <TITLE> Testseite </TITLE> </head> <table width="400" style="border-collapse: collapse" bordercolor="#B3B3C1" cellpadding="0" border="1" cellspacing="0"> <tr> <td height=25 valign=middle bgcolor="#336699">  <font color="#FFFFFF">Aktivität </font> </td> <td height=25 valign=middle bgcolor="#F4F4F4">   <b>Doktor</b></td> </tr> <tr> <td height=25 valign=middle bgcolor="#336699">  <font color="#FFFFFF">Land </font> </td> <td height=25 valign=middle bgcolor="#F4F4F4">   <b>Deutschland  </b> ...</td> </tr> </table> </body></html>
Wie komme ich am geschicktesten an die Informationen zwischen <td height=...> und </td> (ohne Farbe und Formatierung) ? Im Endergebnis soll das so aussehen:
Aktivität Land
Doktor Deutschland

Das Rezept 6.8 aus dem Perl Kochbuch hat hier leider nicht weitergeholfen :(
Ein Regex gibt mir zuviele Informationen, da noch mehr Daten in $mech->content drinstehen. Und mit Web::Scraper,LWP::Simple oder HTML::Parser oder den Beiträgen bei perlmonks.org bin ich noch nicht weitergekommen (Informationen aus Webseiten extrahieren ist halt nicht mein Spezialgebiet...)

Danke für hilfreiche Ideen

Gruss MisterL
Last edited: 2019-11-21 16:17:40 +0100 (CET)
“Perl is the only language that looks the same before and after RSA encryption.”
- renee
  
  2009-04-21 08:52
  User since
  2003-08-04
  14371 Artikel
  ModeratorIn
  Ein etwas abgewandeltes Beispiel aus http://wiki.perl-community.de/cgi-bin/foswiki/view...
  
  Code (perl): (dl )
  
  1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
  
  #! /usr/bin/perl use strict; use warnings; use HTML::Parser; my @texts; my $string = qq~ <tr> <td height=25 valign=middle bgcolor="#336699">  <font color="#FFFFFF">Land </font> </td> <td height=25 valign=middle bgcolor="#F4F4F4">   <b>Deutschland  </b> ...</td> </tr>~; my $p = HTML::Parser->new(); $p->handler(start => \&start_handler,"tagname,attr,self"); $p->parse($string); print $_,"\n" for @texts; sub start_handler{ return if(shift ne 'td'); my $self = shift; my $text; $self->handler(text => sub{$text = shift;},"dtext"); $self->handler(end => sub{push @texts,$text if shift eq 'td'},"tagname"); }
  
  (ungetestet)
  OTRS-Erweiterungen (http://feature-addons.de/)
  Frankfurt Perlmongers (http://frankfurt.pm/)
  --
  
  Unterlagen OTRS-Workshop 2012: http://otrs.perl-services.de/workshop.html
  Perl-Entwicklung: http://perl-services.de/
- Crian
  
  2009-04-21 08:54
  User since
  2003-08-04
  5872 Artikel
  ModeratorIn
  Code: (dl )
  
  1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38
  
  #!/usr/bin/perl use strict; use warnings; while (<DATA>) { if (m~<td\s+height[^>]+>(.+)</td>~) { my $found = $1; $found =~ s~ ~~g; $found =~ s~</?font[^>]*>~~g; $found =~ s~</?b>~~g; $found =~ s~^\s+~~; $found =~ s~\s+$~~; print "gefunden: [$found]\n"; } } __DATA__ <html> <body> <head> <TITLE> Testseite </TITLE> </head> <table width="400" style="border-collapse: collapse" bordercolor="#B3B3C1" cellpadding="0" border="1" cellspacing="0"> <tr> <td height=25 valign=middle bgcolor="#336699">  <font color="#FFFFFF">Aktivität </font> </td> <td height=25 valign=middle bgcolor="#F4F4F4">   <b>Doktor</b></td> </tr> <tr> <td height=25 valign=middle bgcolor="#336699">  <font color="#FFFFFF">Land </font> </td> <td height=25 valign=middle bgcolor="#F4F4F4">   <b>Deutschland  </b> ...</td> </tr> </table> </body></html>
  
  Ausgabe:
  
  Code: (dl )
  
  1 2 3 4 5
  
  C:\Daten\perl>perl td_finden.pl gefunden: [Aktivitõt] gefunden: [Doktor] gefunden: [Land] gefunden: [Deutschland ...]
  
  s--Pevna-;s.([a-z]).chr((ord($1)-84)%26+97).gee; s^([A-Z])^chr((ord($1)-52)%26+65)^gee;print;
  
  use strict; use warnings; Link zu meiner Perlseite
- +7 replies
- MisterL
  
  2009-04-21 15:05
  
  User since
  2006-07-05
  334 Artikel
  BenutzerIn
  
  Danke, so schlecht scheinen die Lösungen nicht zu sein (vorausgesetzt, sie funktionieren: "Can't call method "handler" on unblessed reference at ren_html.pl at line 23.")
  Aber irgendwie scheint das Modul HTML::TableExtract die Aufgabe genauer zu erledigen. Immerhin war das nur eine Beispielseite, die Originalseite hat noch einiges mehr an (Unter)Tabellen, Bildern und Links zu bieten. Und mit dem Modul muss man via count und depth 'nur' die richtige Tabelle finden.
  “Perl is the only language that looks the same before and after RSA encryption.”
  - Gast MatthiasW
    
    2009-04-21 18:26
    
    2009-04-21T13:05:53 MisterL
    ...(vorausgesetzt, sie funktionieren: "Can't call method "handler" on unblessed reference at ren_html.pl at line 23.")
    
    Bei der Definition des start-Handlers steht self solle an dritter Stelle an die start_handler() Funktion übergeben werden, es wird aber an zweiter dort start_handler() erwartet.
    
    MfG
  - +5 replies
  - hlubenow
    
    2019-11-22 15:49
    User since
    2009-02-22
    875 Artikel
    BenutzerIn
    
    Unter Python verwende ich dafür immer ein Modul genannt "BeautifulSoup".
    Wenn ich nach einem Pendant für Perl google, empfehlen die meisten ein Perl-Modul namens HTML::TreeBuilder::XPath.
    Damit komme ich so zu einem Ergebnis:
    
    Code (perl): (dl )
    
    1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39
    
    #!/usr/bin/perl use warnings; use strict; use HTML::TreeBuilder::XPath; my $s = getHTMLString(); my $tree= HTML::TreeBuilder::XPath->new; $tree->parse($s); my @a = $tree->findnodes_as_strings ('//td'); for my $i (@a) { print "$i\n", } sub getHTMLString { return q(<html> <body> <head> <TITLE> Testseite </TITLE> </head> <table width="400" style="border-collapse: collapse" bordercolor="#B3B3C1" cellpadding="0" border="1" cellspacing="0"> <tr> <td height=25 valign=middle bgcolor="#336699">  <font color="#FFFFFF">Aktivität </font> </td> <td height=25 valign=middle bgcolor="#F4F4F4">   <b>Doktor</b></td> </tr> <tr> <td height=25 valign=middle bgcolor="#336699">  <font color="#FFFFFF">Land </font> </td> <td height=25 valign=middle bgcolor="#F4F4F4">   <b>Deutschland  </b> ...</td> </tr> </table> </body></html>); }
    
    Problematisch ist dieses '//td'. Das ist wohl so eine besondere XPath-Selector-Sprache, mit der ich mich nicht auskenne.
    - +4 replies
    - bianca
      
      2019-11-23 06:46
      
      User since
      2009-09-13
      7016 Artikel
      BenutzerIn
      
      Hattest du gesehen, wie alt dieser Fred ist?
      10 print "Hallo"
      20 goto 10
      - +3 replies
      - hlubenow
        
        2019-11-23 16:24
        
        User since
        2009-02-22
        875 Artikel
        BenutzerIn
        
        Ha ha, nee. :) Aber was macht der hier?
        
        +2 replies
        
        GwenDragon
        
        2019-11-23 16:38
        
        User since
        2005-01-17
        14759 Artikel
        Admin1
        
        2019-11-23T15:24:30 hlubenow
        Aber was macht der hier?
        Also wirklich, das solltest du aber wissen, wer das is'.
        Der Fred ist hier angestellt als Forum-Raumpfleger und putzt tote Fäden aus dem Platz :P
        die Drachin Gwen
        
        Meine Perl-Artikel · perldev – verschiedene Perl-Versionen unter Windows starten
        
        rosti
        
        2019-11-24 12:12
        
        User since
        2011-03-19
        3492 Artikel
        BenutzerIn
        
        Wir hatten mal einen in der Firma, den sein Name musste auch immer für solche Dinge herhalten. Frage an Support: Was macht mein Ticket 4711 vom D.M.Y?
        
        Antwort: Darum kümmert sich der Kollege Essikmann. Anruf dokumentiert und fertig.
        
        MFG

View all threads created 2009-04-20 17:59.