Werte aus HTML-Tabelle lesen

svart

Hallo,

ich würde gerne Werte aus einer HTML Tabelle auslesen. Leider komme ich mit RegEx überhaupt nicht klar - auch nach dem Lesen eines Tutorials... (PS: kennt jemand noch ein gutes Tutorial???)

Hier mal eine Beispiel Tabelle:

Spoiler anzeigen

Code

<form name="monObjects" method="POST" action="/MONOBJLIST">
<input name="cmd" value="" type="HIDDEN">
<table width="100%">
<tbody><tr>
</tr></tbody><thead bgcolor="#46648C">
<tr><th>   </th>
<th>Lfd. Nr.</th>
<th>Status</th>
<th>Name</th>
<th>Meldung</th>
</tr>
</thead><tbody bgcolor="#CAD5E3">
<tr><td><input name="marker" value="MonObj65" type="checkbox"></td><td><a name="1">1</a></td><td align="center"><img src="StateGreen.jpg" name="StateGreen.jpg" "="" align="absmiddle"></td><td><a href="http://192.168.0.1:5588/State?ID=MonObj65">SRVTEST01 - DATEN - FOLDER</a></td><td>Es
 befinden sich mindestens "0" Dateien in dem Verzeichnis 
"\\srvtest01\daten\folder" mit der Maske "*.*".Folgende Optionen 
wurden berücksichtigt: Zeitstempel; [Dauer = 0 ms]</td></tr><tr><td><input name="marker" value="MonObj10" type="checkbox"></td><td><a name="2">2</a></td><td align="center"><img src="StateGreen.jpg" name="StateGreen.jpg" "="" align="absmiddle"></td><td><a href="http://192.168.0.1:5588/State?ID=MonObj10">SRV02TEST - Prozess Test</a></td><td>process count:[26] cpu use:[0%] run</td></tr>
<tr><td><input name="marker" value="MonObj72" type="checkbox"></td><td><a name="3">3</a></td><td align="center"><img src="StateRed_002.jpg" name="StateRed.jpg" "="" align="absmiddle"></td><td><a href="http://192.168.0.1:5588/State?ID=MonObj72">SRV02TEST - Service Test</a></td><td>Keine Antwort "Test" auf "SRV02TEST.domain.de" seit mehr als 120 Sekunden. [Dauer = 0 ms]</td></tr>
</tbody>
</table>
</form>
</body>
</html>

Alles anzeigen

Ich würde gerne alle Zeilen/Spalten als Array haben, ich hatte es bereits mit _IETableWriteToArray probiert - aber da wird mir nichts in der Spalte "Status" (StateGreen / StateRed) angezeigt.

Also aus der Zeile:
<tr><td><input name="marker" value="MonObj10" type="checkbox"></td><td><a name="2">2</a></td><td align="center"><img src="StateGreen.jpg" name="StateGreen.jpg" "="" align="absmiddle"></td><td><a href="http://192.168.0.1:5588/State?ID=MonObj10">SRV02TEST - Prozess Test</a></td><td>process count:[26] cpu use:[0%] run</td></tr>

Sollte dann z.B. : "MonObj10|StateGreen|SRV02TEST - Prozess Test|process count:[26] cpu use:[0%] run" werden.

Wäre nett wenn mir jemand ein passendes RegEx-Pattern geben könnte, eine Erklärung dazu wäre natürlich noch am Besten.

Vielen Dank schon mal.

**AspirinJunkie**

Man könnte so ein Pattern basteln - klar.
Aber ob das so wahnsinnig stabil ist bezweifel ich einfach mal.
Hier mal ein Beispiel für deine Zeile:

Code

<tr.+?<td.+?value=[""'](.+?)['""].+<img.+?name=[""'](.+?).jpg.+?([^>]+?)</a.+?<td>([^<]+)

Allerdings ist die Übertragbarkeit auf andere Beispiele eher zweifelhaft.
RegEx ist auch nicht die wirklich sinnvollste Lösung zur Bearbeitung von XML-Code.

Ich habe mir für deren Prozessierung daher mal einen Parser geschrieben welcher mir ermöglicht per CSS-Selektoren den Code zu zerlegen.
Die (noch bisschen verbuggte) Funktion hab ich mal in den Anhang gelegt.
Dein HTML-Beispiel könnte man dann damit so prozessieren:

AutoIt

#include "HTMLParse.au3"


$s_String = FileRead("Test.html")


; erste Tabellenzeile extrahieren (hier das 3. tr-Element)
$a_Tds = _CssSelectFromString($s_String, "tr:nth-of-type(3) td")


; Werte aus Tabellenzeile extrahieren
Global $s_Value = StringRegExp($a_Tds[0][2], "value=[""'](.+?)['""]", 1)[0]
Global $s_State = StringRegExp($a_Tds[2][2], "name=[""'](.+?).jpg", 1)[0]
Global $s_Irgendwas = _CssSelectFromString($a_Tds[3][2], "a:first")[0][2]
Global $s_Text = $a_Tds[4][2]


ConsoleWrite(StringFormat("%s|%s|%s|%s\n",$s_Value, $s_State,$s_Irgendwas, $s_Text))

Alles anzeigen

svart

Ich danke dir.

Leider funktioniert der RegEx nicht wenn mehrere Spalten in einer Zeile stehen.

z.B.

Spoiler anzeigen

Code

<form name="monObjects" method="POST" action="/MONOBJLIST">
<input name="cmd" value="" type="HIDDEN">
<table width="100%">
<tbody><tr>
</tr></tbody><thead bgcolor="#46648C">
<tr><th>   </th>
<th>Lfd. Nr.</th>
<th>Status</th>
<th>Name</th>
<th>Meldung</th>
</tr>
</thead><tbody bgcolor="#CAD5E3">
<tr><td><input name="marker" value="MonObj65" type="checkbox"></td><td><a name="1">1</a></td><td align="center"><img src="StateGreen.jpg" name="StateGreen.jpg" "="" align="absmiddle"></td><td><a href="http://192.168.0.1:5588/State?ID=MonObj65">SRVTEST01 - DATEN - FOLDER</a></td><td>Es befinden sich mindestens "0" Dateien in dem Verzeichnis "\\srvtest01\daten\folder" mit der Maske "*.*".Folgende Optionen wurden berücksichtigt: Zeitstempel; [Dauer = 0 ms]</td></tr><tr><td><input name="marker" value="MonObj10" type="checkbox"></td><td><a name="2">2</a></td><td align="center"><img src="StateGreen.jpg" name="StateGreen.jpg" "="" align="absmiddle"></td><td><a href="http://192.168.0.1:5588/State?ID=MonObj10">SRV02TEST - Prozess Test</a></td><td>process count:[26] cpu use:[0%] run</td></tr>
<tr><td><input name="marker" value="MonObj72" type="checkbox"></td><td><a name="3">3</a></td><td align="center"><img src="StateRed_002.jpg" name="StateRed.jpg" "="" align="absmiddle"></td><td><a href="http://192.168.0.1:5588/State?ID=MonObj72">SRV02TEST - Service Test</a></td><td>Keine Antwort "Test" auf "SRV02TEST.domain.de" seit mehr als 120 Sekunden. [Dauer = 0 ms]</td></tr>
</tbody>
</table>
</form>
</body>
</html>

Alles anzeigen

Bei deinem Beispiel mittels "HTMLParser" funktioniert das, aber wie bekomme ich alle Tabellen ausgelesen?

Leider lässt sich die "3" in der Zeile bzw. Funktion _CssSelectFromString:
$a_Tds = _CssSelectFromString($s_String, "tr:nth-of-type(3) td")

nicht über eine Variable ausführen:

$i = 3
$a_Tds = _CssSelectFromString($s_String, "tr:nth-of-type(" & $i & ") td")

?

**AspirinJunkie**

Zitat von svart

Leider funktioniert der RegEx nicht wenn mehrere Spalten in einer Zeile stehen.

Wie ich bereits sagte: Wirklich stabil nur als RegEx wird schwierig.

Das Beispiel mit meiner CSSSelectFromString war ja lediglich als Beispiel gedacht um zu zeigen dass man andere Ansätze als RegEx bei XML in Erwägung ziehen sollte.
Es gibt auch glaube ich im englischen Forum eine XPath-UDF welche ähnliches leisten sollte.

Ich hab dir das Beispiel mal auf alle Zeilen erweitert.
Wichtig ist zu verstehen, wie die Ausgabe von CssSelectFromString aussieht.
Daher hab ich dir noch paar ArrayDisplays dazu geschrieben:

AutoIt

#include <Array.au3>
#include "HTMLParse.au3"


$s_String = FileRead("Test.html")


; alle Tabellenzeilen ermitteln
$a_Trs = _CssSelectFromString($s_String, 'tbody[bgcolor] tr')
_ArrayDisplay($a_Trs, "$a_Trs")


; Alle Tabellenzeilen durchgehen
For $i = 0 To UBound($a_Trs) - 1
	; alle Zellen der aktuellen Zeile extrahieren
	$a_Tds = _CssSelectFromString($a_Trs[$i][2], "td")
	_ArrayDisplay($a_Tds, "$a_Tds")


	; Werte aus Tabellenzeile extrahieren
	Global $s_Value = StringRegExp($a_Tds[0][2], "value=[""'](.+?)['""]", 1)[0]
	Global $s_State = StringRegExp($a_Tds[2][2], "name=[""'](.+?).jpg", 1)[0]
	Global $s_Irgendwas = _CssSelectFromString($a_Tds[3][2], "a:first")[0][2]
	Global $s_Text = $a_Tds[4][2]


	ConsoleWrite(StringFormat("%s|%s|%s|%s\n", $s_Value, $s_State, $s_Irgendwas, $s_Text))
Next

Alles anzeigen

Runa

AutoIt

#include <Array.au3>


Dim $sHTML, $aRows, $aCells[1] = ["PLACEHOLDER"]					; Wir brauchen ein Element im Array, damit es ein Array ist


$sHTML = FileRead("Neues Textdokument.html")						; Hier eben schnell dein HTML gepasted... ;)
$sHTML = StringReplace($sHTML, '<td align="center">', "<td>")		; Das unnötige HTML aus der Tabelle wegwerfen...
$aRows = StringRegExp($sHTML, "(?s)<tr>(.+?)</tr>", 3)				; Alle Reihen suchen => (?s)Lass den RegEx auch über mehrere Zeilen laufen


For $i = 0 To UBound($aRows) - 1									; Für jede Reihe...
	If StringInStr($aRows[$i], "MonObj") Then						; Nur die Zeilen übernehmen, die MonObj enthalten - das scheinen die Datensätze zu sein, die du brauchst?
		$aTemp = StringRegExp($aRows[$i], "(?s)<td>(.+?)</td>", 3)  ; Alle Daten aus der Reihe lesen
		_ArrayConcatenate($aCells, $aTemp)							; Beide Arrays zusammenführen
	EndIf
Next


_ArrayDelete($aCells, 0)											; Erstes Element - also den Placeholder - löschen
$aCells = _2D(5, Round((UBound($aCells)-1)/5, 0), $aCells)			; 5 Spalten hattest du - und (Anzahl der Datensätze/Anzahl der Spalten) Reihen...
_ArrayDisplay($aCells)												; Zeige an, was du gefunden hast...


Func _2D($iX, $iY, $aSource)										; Wandelt den 1D-Array in einen 2D-Array um - verlangt wird hierfür der 1D-Array, die Anzahl der X-Stellen und der Y-Stellen (wie im Koordinatensystem)
	Local $aReturn[$iY][$iX]
	$i = 0
	For $iY_2 = 0 To $iY - 1
		For $iX_2 = 0 To $iX - 1
			$aReturn[$iY_2][$iX_2] = $aSource[$i]
			$i += 1
			If $i = UBound($aSource) Then ExitLoop
		Next
		If $i = UBound($aSource) Then ExitLoop
	Next
	Return $aReturn
EndFunc

Alles anzeigen

Die gelöschte Lösung von oben - voll kommentiert Vielleicht hilft dir das ja weiter.

svart

Vielen Dank euch Beiden, jetzt klappt alles so wie ich es will