Мастера DELPHI (документация, исходники, скачать)

Основная («Начинающим»)/ Базы / WinAPI / Компоненты / Сети / Media / Игры / Corba и COM / KOL / FreePascal / .Net / Прочее / RSDN.ORG

« предыдущая ветвь | форум | следующая ветвь »

Обработка Htm докуменов

Харлам © (2005-08-31 16:41:00)
Добрый день уважаемые участники форума.
Столкнулся с такой проблемой .У меня есть папка с более чем 1000 htm файлов , и мне нужно просмотреть содержимое каждого файла и выдрать оттуда необходимые строки ...
Как мне это можно сделать ?..Я никогда раньше не работал с веб документами поэтому даже ума не приложу как это сделать .
Помогите пожалуйста. Подскажите где копать

Digitman (2005-09-01 09:01:00) [1]

> BFG9k © (31.08.05 18:16) [14]

Дык сам Майкрософт подогнал по случаю)
Отчего ж не воспользоваться халявой ?

BFG9k (2005-08-31 18:16:00) [2]
Digitman:

> набор строк из исх.файла для последующего их РВ-анализа
> проще всего будет получить импортом html-файла в Ворд2000-документ
> и последующего экспорта в xml-документ

Где вы достаете такую траву ? :)

Харлам (2005-08-31 17:37:00) [3]
и все таки надежда есть :) ...
Спасибо большое .Попробую через парсинг строк скорее всего .С xml разобраться не успею - сроки поджимают . а шеф мягко говоря будет зол :)

Еще раз спасибо

Digitman (2005-08-31 17:12:00) [4]

> главное инфу выдрать из них

вот именно ..

в одном документе шапка таблицы выглядит как "Имя Адрес Телефон"

в другом - "Address ClientName Phone"

в третьем - "№п/п Клиент ЕгоМамаПапа Судимость НомерМобилы ХдеЖивет"

в четвертом - вообще "шапки" нет

в пятом - не "шапка", а "подвал"

в шестом - таблица "перевернута" (строки стали столбцами и наоборот)

в седьмом данные вообще не в таблицном, а в некоем фривольном виде представлены

в восьмом - еще черт те что и сбоку бантик

и т.д. и т.п.

это отнюдь не говорит о нерешаемости задачи в целом, но надеяться на автоматический импорт всех 100 процентов имеющегося материала в базу не следует

Харлам (2005-08-31 17:06:00) [5]
этого я и боялся :) с этим вообще туговато с регеспами с xml ... ладненько спасибо , пойду подучу теорию .. Спасибо за ответы

Харлам (2005-08-31 17:03:00) [6]
ну с этим проблем нет :) пробежаться по всем файлам я смогу , главное инфу выдрать из них

Digitman (2005-08-31 17:02:00) [7]

> Харлам (31.08.05 16:53) [6]

> боле или .. имеет одинаковую

будем считать , что НЕодинаковую..

в этом случае тебе прямая дорога к использованию анализатора рег.выражений (РВ)

набор строк из исх.файла для последующего их РВ-анализа проще всего будет получить импортом html-файла в Ворд2000-документ и последующего экспорта в xml-документ

далее доступ к содержимому xml-документа осуществляется средствами, например, стандартного MSXMLDOM-сервера автоматизации

бегаешь по нодам и распознаешь форму документа ..

Jeer (2005-08-31 16:59:00) [8]
Харлам (31.08.05 16:54) [7]

Тогда учи матчасть и начни с простых вещей типа FindFirst, etc.

Харлам (2005-08-31 16:54:00) [9]
хотелось бы чтобы при добавлении файлов в папку они добавлялись и в базу ...

Digitman (2005-08-31 16:53:00) [10]

> Харлам (31.08.05 16:48) [2]

и еще немаловажный вопрос : операция эта разовая или требуется всякий раз при "освежении" набора htm-файлов ?

Харлам (2005-08-31 16:53:00) [11]
все файлы боле или менее имеет одинаковую структуру

Jeer (2005-08-31 16:51:00) [12]
*.htm - это обычный текстовый файл.
1.Перебор файлов:
TSearchRec,FindFirst,FindNext.
2.Чтение файла
3.Поиск в файле [части] строки.

Digitman (2005-08-31 16:50:00) [13]

> более чем 1000 htm файлов

все эти файлы имеют одну и ту же (регулярную) структуру ?
или кто во что горазд ?

Харлам (2005-08-31 16:48:00) [14]
Это база данных о клиентах...
Нужно выбрать Имя Клиента Его Адрес Телефон и еще несколько позиций и перебросить все это MS Acces

Digitman (2005-08-31 16:44:00) [15]

> выдрать оттуда необходимые строки

каков критерий необходимости "выдирания" стоки ?

Наверх

	« предыдущая ветвь \| форум \| следующая ветвь »