Parser HTML

reaper13

Potrzebuje zrobić parser HTML, który będzie wydobywał informacje ze strony z rozkładem MPK.

Google coś mi tam pokazał, ale może ktoś z was już dokonywał podobnych rzeczy i może się podzieli wiedzą.

gzajac

Chcesz sam napisać parser do HTML'a? Niezłe wyzwanie...

Ale jeśli tylko szukasz gotowego parsera to zobacz na:

http://htmlparser.sourceforge.net/

To gotowy parser HTML w postaci biblioteki Javy.

Pozdrawiam,

Grzesiek

bimbol

Na poczatek zobacz ten tutorial jak pobac zrodlo strony. Jak juz masz kod, to mozesz wyszukac informacje korzystajac z klasy Pattern i Matcher

Jezeli strona jest w XHTML to mozesz sprobowac parsowac jak XMLa. Tutaj przyklad takiego parsowania .

lukaszpicur

Tak jak pisze bimbol będziesz musiał użyć wyrażeń regularnych poprzez wykorzystanie klas Pattern oraz Matcher. Ostrzegam tylko, że wyrażenia te będą dość skomplikowane w przypadku szukania określonych wzorców w kodzie HTML (wiem bo robiłem kiedyś dokładnie taką samą rzecz jak Ty), także jeśli nie nie znasz regexp'ów, to warto poświęcić trochę czasu na ćwiczenie.

Bądź także świadomy tego, iż najdrobniejsza zmiana w kodzie HTML strony spowoduje błąd w programie.

reaper13

Dane są zawarte w tabeli. Tabela jest generowana z bazy danych, więc jest logicznie poukładane.

http://www.mpk.czest.pl/int_rozkl/rozklady/0023/0023r001.htm

Tak wygłąda tabela. Teraz moim zadaniem, jest zrobić z tego bazę danych :-)

kofels

Ja bym na twoim miejscu przygotował swoiste "proxy" aby odciążyć telefon z transferu. np.

Telefon robi zapytanie do aplikacji napisanej w PHP która pobiera rozkład, przetwarza i zwraca w postaci JSON 🙂

Tetek

siemka, ja napisałem sobie taki skrypcik w pythonie który parsuje mi rozkład autobusów z ZTZ i zapisuje do pliku bo po co się łączyć z internetem za każdym razem a jaką są zmiany w planie to tylko odpalam setup i pliki podmienione 😉 może Ci się przyda: http://tetek.wordpress.com/2009/11/24/takebus/

No a oczywiście korzystam z ASE, skrót na pulpicie i wszystko gra 😉

piotrpo

Słuchaj kolegów - napisz sobie przetwarzanie tych html'i na jakiś normalny format (json, xml) na serwerze i w telefonie ogranicz się do prezentacji danych.

1. Parsowanie tekstu to spore obciążenie jednak

2. Oszczędzasz łącze

3. Jak na stronie umieszczą pocztówkę z okazji walentynek, to wystarczy przerobić w jednym miejscu na serwerze, zamiast zmuszać użytkowników do aktualizacji.

4. Jeśli ci przyjdzie do głowy dołożenie innego miasta, to po prostu dopiszesz następny kawałek kodu na serwerze

reaper13

Dzięki, jednak posłucham się waszej rady i zrobię to na serwerze. Chciałem, żeby aplikacja sama sobie wszystko robiła, ale dodatkowe obciążenie jej jest złym pomysłem.