[inne] Jak wydostać interesujące dane ze strony www? Opcje

[Rysh]

Witam, potrzebuję pomocy, jak wydostać z kodu HTML interesujące mnie dane. Otóż pobieram stronę www, za pomocą wget, teraz chciałbym obrobić ten pliczek i wydostać z niego opis produktu, aktualną cenę oraz dostępność. Jako, iż produktów jest 13000 ręczne dodawanie odpada. Próbowałem grep'a jednak on jedynie pokazuję mi linijkę w której jest dany wyraz. Początek jest, jednak teraz potrzebuję pomocy, co dalej jakich narzędzi? Chciałbym do tego nie mieszać PHP i zrobić to za pomocą samego BASH'a. Nigdy wcześniej nie używałem wyrażeń regularnych, a jak już to tylko przykładów z internetu.

[HTML] pobierz, plaintext 
<span class='pogr'>Producent: xyz</span><hr/><br /><span class='pogr'>Dostępność:</span><br /><div><img src='http://strona.xyz/stan0.png'></div><hr/><br/><span class='pogr'>Cena  (szt.) : </span> 10.46 PLN<hr /><hr /><div>(ABC0001) Nazwa produktu</div>
[HTML] pobierz, plaintext 

PS. Mam nadzieję, że nikt mnie nie wygodni z forum za taki temat na takim forum

Pozdrawiam.

[Helid]

[PHP] pobierz, plaintext 
<?php
$date = "<span class='pogr'>Producent: xyz</span><hr/><br /><span class='pogr'>Dostępność:</span><br /><div><img src='http://strona.xyz/stan0.png'></div><hr/><br/><span class='pogr'>Cena  (szt.) : </span> 10.46 PLN<hr /><hr /><div>(ABC0001) Nazwa produktu</div>";
 
if(preg_match("/<span class='pogr'>Producent: (.*)<\/span>/", $date, $found))
{
print_r($found);
}
[PHP] pobierz, plaintext 

Coś na wzór tego.

Ten post edytował Helid 21.04.2013, 19:15:27

[PrinceOfPersia]

w czystym Bashu pewnie można by użyć awk, taka ni to komenda, ni język. Nie wiem jak działa, ale kiedyś za pomocą googla coś mi się udało zrobić w tym więc chyba nie jest trudne.

Albo w PHP, za pomocą klasy DomDocument:

[PHP] pobierz, plaintext 
  $document =  new DomDocument();
  $document->loadHTML(file_get_contents("TUTAJ_NAZWA_PLIKU.html")); 
  $elements = $document->getElementsByTagName('*');
  $lista = array();
  foreach ($elements as $el) {
    $class = $el->getAttribute('class'); 
    $tag = $el->tagName;
    $content = $el->textContent;
    $lista[] = array('class' => $class, 'tag'=>$tag, 'content'=> $content);
  }
 
[PHP] pobierz, plaintext 

a potem w zmiennej $lista masz już ładnie ułożoną tablicę sparsowanych danych. Możesz je np. wylistować i dalej coś z nimi robić, np.:

[PHP] pobierz, plaintext 
  echo "<ol>";
  foreach ($lista as $row) {
    if ($row['class']=='pogr') 
      echo "<li style='color:red'>"; 
    else echo "<li>";
    echo "Tag:" . $row['tag'] . ", klasa: " . $row['class'];
    echo " Tresc: <em>" . $row['content'] . "</em>";
    echo "</li>";
  }
  echo "</ol>";
[PHP] pobierz, plaintext