ubuntuusers.de

Hallo!

Ich möchte ein Shellscript schreiben, welches aus dem Quellcode einer HTML-Tabelle, die Datumsangaben und Realzahlen enthält, diese herausfiltert und in eine Textdatei schreibt. Welche Befehle würde man dafür sinnvollerweise benutzen (sed, awk ....)? Da ich Linux-Anfänger bin, habe ich noch nicht den Überblick, was wofür am besten geeignet ist.

Danke & Gruß

Izmir Übül schrieb:

Ich möchte ein Shellscript schreiben, welches aus dem Quellcode einer HTML-Tabelle, die Datumsangaben und Realzahlen enthält, diese herausfiltert und in eine Textdatei schreibt. Welche Befehle würde man dafür sinnvollerweise benutzen (sed, awk ....)?

Eine Programmiersprache die einen HTML Parser hat.

Izmir Übül schrieb:

Hallo!

Ich möchte ein Shellscript schreiben, welches aus dem Quellcode einer HTML-Tabelle, die Datumsangaben und Realzahlen enthält, diese herausfiltert und in eine Textdatei schreibt.

Wie sind denn die Daten und Realzahlen formatiert? Alle nach Schema F oder gibt es da einen fröhlichen Wildwuchs? 09-02-23, 23. Feb. 2009, ...

Und hast du es mit vailden xhtml zu tun? Dann kann man mit xpath solche Sachen sehr schön machen.

Sid Burn schrieb:

Eine Programmiersprache die einen HTML Parser hat.

😎 und da Du heute mal keinen Vorschlag machst, welche Sprache sowas anbieten könnte, tue ich es für Dich/uns:

Perl hat sowas und es heisst (wenig überraschend)

HTML::Parser

http://search.cpan.org/~gaas/HTML-Parser-3.60/Parser.pm

Gruss, Sven

PS: Falls jemand es weiss: wie kann man denn einen Doppelpunkt und ein 'P' dahinter darstellen lassen, ohne dass es wie ein Sm,iley interpretiert wird???

Das habe ich irgendwann auch mal gefragt soll so gehen HTML::Parser

`:P`

(aber es passt nicht ganz von der Größe).

Izmir Übül schrieb:

Ich möchte ein Shellscript schreiben, welches aus dem Quellcode einer HTML-Tabelle, die Datumsangaben und Realzahlen enthält, diese herausfiltert und in eine Textdatei schreibt. Welche Befehle würde man dafür sinnvollerweise benutzen (sed, awk ....)? Da ich Linux-Anfänger bin, habe ich noch nicht den Überblick, was wofür am besten geeignet ist.

Man kann xmllint --html --xmlout - verwenden, um eine HTML-Datei in XML umzuwandeln. Danach kann man mit xmlstarlet die Sachen herausfiltern, die einen interessieren.

user unknown schrieb:

Izmir Übül schrieb:

Hallo!

Ich möchte ein Shellscript schreiben, welches aus dem Quellcode einer HTML-Tabelle, die Datumsangaben und Realzahlen enthält, diese herausfiltert und in eine Textdatei schreibt.

Wie sind denn die Daten und Realzahlen formatiert? Alle nach Schema F oder gibt es da einen fröhlichen Wildwuchs? 09-02-23, 23. Feb. 2009, ...

Nein, ist schon einheitlich im Format TT.MM.JJ.

xmllint --html --xmlout - | xmlstarlet pyx | grep "^-" | grep "[[:digit:]]{2}\.[[:digit:]]{2}\.[[:digit:]]{2}" --only-matching

Izmir Übül schrieb:

Wie sind denn die Daten und Realzahlen formatiert?

Nein, ist schon einheitlich im Format TT.MM.JJ.

Und Realzahlen interessieren jetzt nicht mehr?

egrep -oh "[0-3][0-9]\.[0-1][0-9]\.[0-9][0-9]" quelle.html > resultat.txt

würde Datums rauspicken, und in eine Datei schreiben, jedoch auch alles außerhalb von Tables.

So:

 
sed -n "/<table/,/<\/table/p" quelle.html | egrep -oh "[0-3][0-9]\.[0-1][0-9]\.[0-9][0-9]" > resultat.txt

würde sed vorab alles herausfiltern, was zwischen <table und </table steht, allerdings ohne zu berücksichtigen, ob eines der oder beide Tags mit ←- auskommentiert ist.

Falls Hello Worlds Code bereits einen Filter auf HTML-Tabellen enthält bitte ich um Pardon. Wenn die Tabellen nie auskommentierte Tabellen enthalten ist der Code oben nicht schlecht.

Das mit den Tabellen hatte ich übersehen.

xmllint --html --xmlout - | xmlstarlet sel -t -m //table -v . | egrep -oh "[0-3][0-9]\.[0-1][0-9]\.[0-9][0-9]"

Man kann natürlich statt //table beliebige XPath-Ausdrücke angeben.