[Данные, строки] Парсер html страниц с заменой текста между известными тегами

Tapok · 22 Апр 2015

Вопрос такой, есть текст html, в нем ссылки на иллюстрации, ссылки пронумерованы, могут добавляться новые ссылки, поэтому жесткая нумерация не получается. Как заменить текст между тегами, которые я сам установил? Пример:

1. Мама мыла раму (см. илл. 1).
2. Папа чинит автомобиль (см. илл. 2).
3. На столе лежали: ручки (см. илл. 3), карандаши (см. илл. 4), фломастеры (см. илл. 5).

Надо заменить текст "(см. илл. 1)" (и остальные) на гиперссылки. В пункте 2 может появиться новая иллюстрация, с номером 3, которая собъет всю дальнейшую нумерацию.

Логично в тексте прописать так:

1. Мама мыла раму <Rt#>(см. илл. 1)<Rt##>.
2. Папа чинит автомобиль <Rt#>(см. илл. 2)<Rt##>.
3. На столе лежали: ручки <Rt#>(см. илл. 3)<Rt##>, карандаши <Rt#>(см. илл. 4)<Rt##>, фломастеры <Rt#>(см. илл. 5)<Rt##>.

Дальше искать все вхождения <Rt#><Rt##>, и заменять их и текст между ними на нужную гиперссылку.

Как это сделать?

Важно, чтобы в нужном месте была конкретная иллюстрация, ее номер по порядку не важен.

Одинаковых гиперссылок (на одну иллюстрацию) по тексту может быть несколько, все надо заменить.

CreatoR · 22 Апр 2015

Код:

$vTest = '...<Rt5>(см. илл. 5)<Rt55>...'

$sRet = StringRegExpReplace($vTest, '(<Rt(\d+)>)(\(см\. илл\. \2\))(<Rt\2\2>)', '$1<a href=link#$2>$3</a>$4')
ConsoleWrite($sRet & @LF)

Как то так.

Tapok · 23 Апр 2015

Это не совсем то. Нет автоматической нумерации иллюстраций, цифра иллюстрации какая есть, такая и будет, просто вместо текста вы получаете гиперссылку. Смысл то всего, что выделенные известными тегами участки кода заменяются на гиперссылки с автоматической расстановкой нумерации.

inververs · 23 Апр 2015

Нужно иметь список замен, что на что менять.
И дальше заменять согласно этому списку.

CreatoR · 23 Апр 2015

Tapok
Можешь проще показать, что было, и как должно выглядеть?
Приведи два разных примера исходного текста, и их замену.

Tapok · 23 Апр 2015

15_исх.txt - исходный текстовый файл (html), в котором в местах, где планируется показать иллюстрацию, поставлены заготовки гиперссылок.
15.html - результирующий файл html, в котором все (см. илл. ***) текстового файла заменены на гиперссылку, в нужном виде (под конкретную программу их читающую в нужном виде).
Номера иллюстраций в каждом месте не важны, они просто идут по порядку по мере появления. Одна и та же иллюстрация может быть в нескольких местах.
Как произвести такую замену и сделать авторасстановку нумерации?

CreatoR · 23 Апр 2015

Tapok
Я просил проще а не сложнее :smile:

.

Пример:

Имеет текст...

мой текст #1

Нажмите, чтобы раскрыть...

на выходе нужно получить

мой текст <а href="#1">#1</а>

Нажмите, чтобы раскрыть...

CreatoR · 23 Апр 2015

Как то так:

Код:

$vTest = FileRead(@DesktopDir & '\15_исх.txt')

$sRet = StringRegExpReplace($vTest, _
	'\(см. илл. (\d+)\)', _
	'<span ID="ACH-LINK" class="pic_ill/picture/Илл._\1.Название иллюстрации.png_name_Илл.^\1.^Название^иллюстрации" title="">см. илл. \1</span>')

ConsoleWrite($sRet & @LF)

Tapok · 24 Апр 2015

Спасибо за последний пост, кажется он мне поможет!
Единственное, почему он не воспринимает (удаляет) теги , если их добавить в файл 15_исх.txt?

Из:

1.3.4 Заголовок
Подзаголовок 1 
Текст 1
Подзаголовок 2 
Начало текста (см. илл. 12) окончание текста. 
Подзаголовок 3 
Следующий текст (см. илл. 14).

Получается:

1.3.4 Заголовок
Подзаголовок 1
Текст 1
Подзаголовок 2
Начало текста см. илл. 12 окончание текста.
Подзаголовок 3
Следующий текст см. илл. 14.

Без тегов ... Почему?

CreatoR · 24 Апр 2015

Tapok [?]

почему он не воспринимает (удаляет) теги , если их добавить в файл 15_исх.txt?

У меня ничего не удаляется. Возможно не в тот файл добавлено? :smile:

Tapok · 24 Апр 2015

Удаляет :(
Было:
1.3.4 Заголовок
Подзаголовок 1 
Текст 1
Подзаголовок 2 
Начало текста (см. илл. 12) окончание текста. 
Подзаголовок 3 
Следующий текст (см. илл. 14).

Стало:

1.3.4 Заголовок

Подзаголовок 1
Текст 1
Подзаголовок 2
Начало текста см. илл. 12 окончание текста.
Подзаголовок 3
Следующий текст см. илл. 14.

Может запись в файл не так написал?

$vTest = FileRead(@DesktopDir & '\15_исх.txt')
$sRet = StringRegExpReplace($vTest, _
'$см. илл. (\d+)$', _
'см. илл. \1')
ConsoleWrite($sRet & @LF)
FileWrite("d:\3D\Autoit\Test\15_res.txt" , $sRet & @LF)
Добавлено:
Сообщение автоматически объединено: 24 Апр 2015

Теги отображаются, все правильно, но! Имена у иллюстраций одинаковые, так не правильно. Имена должны быть разные . В папке picture лежат иллюстрации:

pic_ill/picture/Илл.1.Название_1
pic_ill/picture/Илл.2.Название_2
pic_ill/picture/Илл.3.Название_3

Эти названия должны записываться соответственно в свою позицию:
вместо (см. илл. 1) будет ссылка на эту илл. с тем названием, которое в илл.1
Аналогично для всех иллюстраций, у них всех разные имена...

CreatoR · 24 Апр 2015

Tapok [?]

Может запись в файл не так написал?

:laugh: Я бы сказал не туда.

Имена у иллюстраций одинаковые

Имена (то что в ссылке) записываются с подстановкой числа из текста "(см. илл. 1)", т.ч одинаковыми они не могут быть. Если в них нужно ещё чтобы и текст разнился, то нужно создавать таблицу (массив) соответствий.

Tapok · 24 Апр 2015

Re: [Данные, строки] Парсер html страниц

А можно примерно набросать, как с этим массивом будет выглядеть? На примере двух ссылок как по тексту... :-\

CreatoR · 24 Апр 2015

Tapok [?]

можно примерно набросать, как с этим массивом будет выглядеть?

Код:

Dim $aTable[][] = _
	[ _
		['\(см. илл. ([1-9])\)', 'pic_ill/picture/Илл._$2.Название иллюстрации.png_name_Илл.^$2.^Название^иллюстрации'], _ ;от 1 до 9
		['\(см. илл. (1[0-9])\)', 'pic_ill/picture/Илл._$2.Другое Название иллюстрации.png_name_Илл.^$2.^Другое^Название^иллюстрации'] _ ;от 10 до 19
	]

$sString = _
	'<p>1.3.4 Заголовок</p>' & @CRLF & _
	'<p>Подзаголовок 1 </p>' & @CRLF & _
	'<p>Текст 1</p>' & @CRLF & _
	'<p>Подзаголовок 2 </p>' & @CRLF & _
	'<p>Начало текста  (см. илл. 7) окончание текста. </p>' & @CRLF & _
	'<p>Начало текста  (см. илл. 12) окончание текста. </p>' & @CRLF & _
	'<p>Подзаголовок 3 </p>' & @CRLF & _
	'<p>Следующий текст  (см. илл. 14).</p>' & @CRLF

For $i = 0 To UBound($aTable) - 1
	$sString = StringRegExpReplace($sString, '(' & $aTable[$i][0] & ')', '<span ID="ACH-LINK" class="' & $aTable[$i][1] & '" title="">$1</span>')
Next

ConsoleWrite($sString & @LF)

Tapok · 24 Апр 2015

Re: [Данные, строки] Парсер html страниц

Спасибо большое! Практически то, что хотел! Буду разбираться :smile:

Прямо проникся Регулярными Выражениями! :-[

Теперь помимо Autoit :IL_AutoIt_1: буду и их изучать :smile:

Спасибо!

Добавлено:
Сообщение автоматически объединено: 24 Апр 2015

Единственное, что в коде получилось, что иллюстрации каждой группы имеют одно и то же название, а надо, чтобы

(см. илл. 1) становилось

(см. илл. 1)

(см. илл. 5) становилось

(см. илл. 5)

(см. илл. 11) становилось

(см. илл. 11)

и, если где-то по тексту, появится еще (см. илл. 5), то оно тоже заменится на

(см. илл. 5)

:-\ :scratch:

:'(

CreatoR · 24 Апр 2015

Tapok [?]

иллюстрации каждой группы имеют одно и то же название, а надо, чтобы

Ну так в чём проблема, в таблице соответствий нужно жёстко задать цифру.

Можно ещё так сделать:

Код:

Dim $aTable[][] = _
    [ _
        [1, 'Ягоды'], _
        [5, 'Фрукты'] _
    ]

$sSpan = '<span ID="ACH-LINK" class="pic_ill/picture/Илл.%i.%s.png_name_Илл.^%i.^%s" title="">%s</span>'
$sFind = '(см. илл. %i)'

$sString = _
    '<p>1.3.4 Заголовок</p>' & @CRLF & _
    '<p>Подзаголовок 1 </p>' & @CRLF & _
    '<p>Текст 1</p>' & @CRLF & _
    '<p>Подзаголовок 2 </p>' & @CRLF & _
    '<p>Начало текста  (см. илл. 1) окончание текста. </p>' & @CRLF & _
    '<p>Начало текста  (см. илл. 5) окончание текста. </p>' & @CRLF & _
    '<p>Подзаголовок 3 </p>' & @CRLF & _
    '<p>Следующий текст  (см. илл. 5).</p>' & @CRLF

For $i = 0 To UBound($aTable) - 1
	$sFindFrmtd = StringFormat($sFind, $aTable[$i][0])
	
    $sString = StringReplace($sString, _
		$sFindFrmtd, _
		StringFormat($sSpan, $aTable[$i][0], $aTable[$i][1], $aTable[$i][0], $aTable[$i][1], $sFindFrmtd))
Next

ConsoleWrite($sString & @LF)

Далее просто редактировать таблицу, добавляя соответствия цифр с названием в ссылке.

Tapok · 24 Апр 2015

Re: [Данные, строки] Парсер html страниц

Да, красота! Для полноты картины...если я поставил ссылки на иллюстрации с 1 по 10, а потом мне надо вставить новую иллюстрацию в место, рядом с пятой, я ее прописываю как илл.11, получается нумерация вразнобой, не по порядку. Можно ли это как то исправить? Или потом можно пройтись по всем илл. и сменить нумерацию на правильную, по порядку... как это сделать?! Иллюстрации к нумерации не привязаны, главное, чтобы по тексту не было илл. 65 раньше чем илл.3.

Соответственно, в имени иллюстрации не будет прописано конкретное число, будет просто название "Фрукты.png" :-\

Важно, чтобы нужная иллюстрация была в нужном месте и с правильным именем, ее номер не важен, при этом по тексту нумерация должна быть по порядку. Одна и та же иллюстрация может быть в разных местах под одним и тем же номером.

Еще важный момент, номер иллюстрации может быть не числом, а вида "4.1.15" т.е. (см. илл. 4.1.15)
Как для этого случая написать код?

CreatoR · 24 Апр 2015

Tapok [?]

потом мне надо вставить новую иллюстрацию в место, рядом с пятой, я ее прописываю как илл.11, получается нумерация вразнобой, не по порядку

А что мешает её вставить по порядку?

Tapok · 24 Апр 2015

Допустим уже есть ссылки на илл. от 1 до 10, если я хочу вставить новую илл. посередине, то ее номер должен быть скажем 5, а он уже занят :smile:

свободный номер 11 не подойдет, так так тогда будет не по порядку. Если новую илл. сделать пятой, то надо будет менять нумерацию всех последующих илл. ...

Вставить по порядку можно было бы, если бы у нее не было номера, просто ссылка на иллюстрацию. Но на экране должна показываться иллюстрация, а под ней ее название с номером (для нас не важно каким, нужен чтобы удобно было ее найти)

Garrett · 24 Апр 2015

Tapok

Предупреждение За нарушение правил форума (пункт В.11):

Любые отрывки AutoIt кода необходимо заключать в тег [autoit]

(подробнее), а обычный код соответственно в тег [code]

(подробнее). Также большие выдержки текста помещайте под тег [spoiler]

(подробнее), там где это поддерживается естественно. Как в случае с названием темы, также короткое и эргономичное сообщение привлекает больше внимания, и шансы на получение конкретного ответа увеличиваются.

С уважением, ваш Модератор.

Автор темы	Похожие темы	Форум	Ответы	Дата
A	Из ресурсов исполняемых файлов получить данные в виде строки-структуры	Общие вопросы по AutoIt	4	12 Апр 2024
	[Данные, строки] Поиск определенных данных в txt и копирование их в другой txt	Стол заказов	4	17 Ноя 2021
A	[Данные, строки] командная строка, кавычки	Общие вопросы по AutoIt	4	27 Апр 2020
A	[Данные, строки] Парсер строк между символами	Общие вопросы по AutoIt	6	22 Окт 2017
	Перенесено: [Данные, строки] Парсер html страниц с заменой текста между известными тегами	Общие вопросы по AutoIt	0	22 Апр 2015

[Данные, строки] Парсер html страниц с заменой текста между известными тегами

Новичок

Must AutoIt!

Новичок

AutoIT Гуру

Must AutoIt!

Новичок

Вложения

Must AutoIt!

Must AutoIt!

Новичок

Must AutoIt!

Новичок

Must AutoIt!

Новичок

Must AutoIt!

Новичок

Must AutoIt!

Новичок

Must AutoIt!

Новичок

Модератор