Regex und das n-te vorkommen eines strings im HTML (Webframeworks, Sonstige Fragen zur Webprogrammierung mit Perl)

[thread]15759[/thread]

Regex und das n-te vorkommen eines strings im HTML

Leser: 21

Articles: hide open all | hide show old branches

+3 replies
raphael_s

2010-12-20 12:00
User since
2010-12-20
1 Artikel
BenutzerIn
Hallo zusammen,

ich abreite nun seit kurzem mit perl und regex und stehe gerade leider etwas auf dem schlauch.

Ich lese eine Seite mit einer Tabelle mit volgender Struktur aus:
Code: (dl )

1 2 3 4 5 6 7 8 9 10

<tr> <td class="title">Infotext 1</td> <td class="title">Infotext 3</td> <td class="title">Infotext 4</td> </tr> <tr> <td>Wert</td> <td>Wert</td> <td>Wert</td> </tr>
Leider sind nicht immer alle Infotexte vorhanden, daher muss ich das ganze dynamisch auslesen und die werte zuordnen.

Ich lese nun mit
Code: (dl )

1 2 3 4 5 6 7

my $infocounter = 1; while($assdata =~/<td class="title">(.*?)<\/td>/g){ [regex?!?] $infocounter++; }
erstmal aus welche werte vorhanden sind. Innerhalb der Schleife möchte ich nun immer den passenden wert auslesen.

Nun benötige ich dafür eine regex der ich sagen kann, sie soll das n-te vorkommen von <td>(.*?)</td> auslesen. Leider finde ich dazu keine passende lösung.

Es wäre super wenn jemand das richtige stichwort oder ein beispiel dafür hätte.

lg raphael
Last edited: 2010-12-20 12:09:59 +0100 (CET)
- clms
  
  2010-12-20 12:49
  
  User since
  2010-08-29
  373 Artikel
  BenutzerIn
  
  Hi,
  
  ich habe aus Deinem Prosatext leider nicht genau verstanden, was das eigentliche Problem ist und welche Sonderfälle Dein Skript abdecken muss.
  
  Aber: Dein Input ist HTML.
  Warum willst Du das Rad neu erfinden und einen eigenen HTML-Subset-Parser schreiben?
  Nimm' doch einen Parser aus CPAN.
  
  Ich würde den Input in HTML::TreeBuilder einlesen und dann im HTML-Tree nach den beötigten Werten suchen. Da bist Du vor Sonderfällen im Input, die Deine selbstgestricken Refex aushebeln würden wesentlich besser geschützt.
  
  (Evtl. kann man als Zwischenschritt auch noch einen Filter über den HTML-Tree jagen, der alle nicht benötigten Zweige entfernt.)
- murphy
  
  2010-12-20 16:30
  User since
  2004-07-19
  1776 Artikel
  HausmeisterIn
  Ich würde das mittels XPath lösen. Zum Beispiel so:
  
  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
  
  use 5.012; use warnings; use Data::Dumper; use XML::LibXML; my $xml = XML::LibXML->load_html(string => <<EOF); <html> <head> <title>Test</title> </head> <body> <table> <tr> <td class="title">Infotext 1</td> <td class="title">Infotext 3</td> <td class="title">Infotext 4</td> </tr> <tr> <td>Wert 1</td> <td>Wert 3</td> <td>Wert 4</td> </tr> </table> </body> EOF my %assoc; for my $key ($xml->findnodes('//td[@class = "title"]')) { my $pos = $key->findvalue('count(./preceding-sibling::td) + 1'); my ($val) = $key->findnodes("../following-sibling::tr[1]/td[position() = $pos]"); $assoc{$key->textContent} = $val->textContent; } print Dumper \%assoc;
  
  When C++ is your hammer, every problem looks like your thumb.

View all threads created 2010-12-20 12:00.