Thread View: alt.pl.comp.lang.csharp
14 messages
14 total messages
Started by prorok
Tue, 21 Dec 2010 11:41
HTML parser
Author: prorok
Date: Tue, 21 Dec 2010 11:41
Date: Tue, 21 Dec 2010 11:41
1 lines
893 bytes
893 bytes
Jak parsować HTML? Jaką klasę można użyć, czy HtmlDocument?
Re: HTML parser
Author: Macko
Date: Tue, 21 Dec 2010 11:46
Date: Tue, 21 Dec 2010 11:46
4 lines
1417 bytes
1417 bytes
On 21 Gru, 12:41, prorok <pro...@to.nie.adres> wrote: > Jak parsować HTML? Jaką klasę można użyć, czy HtmlDocument? A co chcesz osiągnąć?
Re: HTML parser
Author: prorok
Date: Tue, 21 Dec 2010 12:38
Date: Tue, 21 Dec 2010 12:38
8 lines
1341 bytes
1341 bytes
W dniu 2010-12-21 12:46, Macko pisze: > On 21 Gru, 12:41, prorok<pro...@to.nie.adres> wrote: >> Jak parsować HTML? Jaką klasę można użyć, czy HtmlDocument? > > A co chcesz osiągnąć? Mam stronę, na niej dane w postaci użytecznej dla człowieka np. w tabelce. Chcę je pobrać.
Re: HTML parser
Author: Kubik
Date: Tue, 21 Dec 2010 14:49
Date: Tue, 21 Dec 2010 14:49
17 lines
1920 bytes
1920 bytes
On Dec 21, 1:38 pm, prorok <pro...@to.nie.adres> wrote: > W dniu 2010-12-21 12:46, Macko pisze: > > > On 21 Gru, 12:41, prorok<pro...@to.nie.adres> wrote: > >> Jak parsowa HTML? Jak klas mo na u y , czy HtmlDocument? > > > A co chcesz osi gn ? > > Mam stron , na niej dane w postaci u ytecznej dla cz owieka np. w > tabelce. Chc je pobra . Proponuje zapoznac sie z http://htmlagilitypack.codeplex.com . Przyjemna biblioteka, dostepna z kodem zrodlowym i spora iloscia przykladow. -- pozdr.
Re: HTML parser
Author: Macko
Date: Tue, 21 Dec 2010 15:27
Date: Tue, 21 Dec 2010 15:27
14 lines
1906 bytes
1906 bytes
On 21 Gru, 13:38, prorok <pro...@to.nie.adres> wrote: > W dniu 2010-12-21 12:46, Macko pisze: > > > On 21 Gru, 12:41, prorok<pro...@to.nie.adres> wrote: > >> Jak parsowa HTML? Jak klas mo na u y , czy HtmlDocument? > > > A co chcesz osi gn ? > > Mam stron , na niej dane w postaci u ytecznej dla cz owieka np. w > tabelce. Chc je pobra . Ja tam był HTMLa potraktował jak XMLa i chyba XPath powinien elegancko zadziałać. Do wyciągania np. linków ze strony HTMLowej używam także RegExpa.
Re: HTML parser
Author: Grzegorz Skoczylas
Date: Tue, 21 Dec 2010 16:18
Date: Tue, 21 Dec 2010 16:18
24 lines
1940 bytes
1940 bytes
W dniu 2010-12-21 16:27, Macko pisze: > On 21 Gru, 13:38, prorok<pro...@to.nie.adres> wrote: >> W dniu 2010-12-21 12:46, Macko pisze: >> >>> On 21 Gru, 12:41, prorok<pro...@to.nie.adres> wrote: >>>> Jak parsowa HTML? Jak klas mo na u y , czy HtmlDocument? >> >>> A co chcesz osi gn ? >> >> Mam stron , na niej dane w postaci u ytecznej dla cz owieka np. w >> tabelce. Chc je pobra . > > Ja tam był HTMLa potraktował jak XMLa i chyba XPath powinien elegancko > zadziałać. Do wyciągania np. linków ze strony HTMLowej używam także > RegExpa. To chyba tylko pod warunkiem, że to jest XHTML. -- Pozdrawiam, Grzegorz Skoczylas http://gskoczylas.rekord.pl ----------------------------------------------
Re: HTML parser
Author: Macko
Date: Wed, 22 Dec 2010 09:01
Date: Wed, 22 Dec 2010 09:01
10 lines
1862 bytes
1862 bytes
> > > Ja tam był HTMLa potraktował jak XMLa i chyba XPath powinien elegancko > > zadziałać. Do wyciągania np. linków ze strony HTMLowej używam także > > RegExpa. > > To chyba tylko pod warunkiem, że to jest XHTML. Dla RegExpa napewno nie ma znaczenia czy jest obrabiany ciąg znaków jest (x)html, xmlem czy czymś jeszcze innym. Z XPathem też nie widzę większych problemów.
Re: HTML parser
Author: Łukasz 'Maly' Ostrowski
Date: Wed, 22 Dec 2010 09:27
Date: Wed, 22 Dec 2010 09:27
24 lines
1829 bytes
1829 bytes
On Wed, 22 Dec 2010 01:01:17 -0800 (PST), Macko wrote: >> >>> Ja tam był HTMLa potraktował jak XMLa i chyba XPath powinien elegancko >>> zadziałać. Do wyciągania np. linków ze strony HTMLowej używam także >>> RegExpa. >> >> To chyba tylko pod warunkiem, że to jest XHTML. > > Dla RegExpa napewno nie ma znaczenia czy jest obrabiany ciąg znaków > jest (x)html, xmlem czy czymś jeszcze innym. Z XPathem też nie widzę > większych problemów. Grzegorz ma na myśli sytuację kiedy "XHTML" jest ill-formed XML'em, jakiś <br> niedomknięty lub inny robaczek i XmlDocument go nie załaduje, tym samym użycie XPath jest niemożliwe. A taka sytuacja ma miejsce bardzo bardzo często ;-). -- Pozdrawiam, Łukasz 'Maly' Ostrowski. http://l3v.eu/
Re: HTML parser
Author: Wiktor Zychla
Date: Wed, 22 Dec 2010 09:29
Date: Wed, 22 Dec 2010 09:29
9 lines
1713 bytes
1713 bytes
>> To chyba tylko pod warunkiem, że to jest XHTML. > > Z XPathem też nie widzę większych problemów. w takim razie uprzejmie proszę o informację jak użyć xpath do zadawania zapytań do dokumentu html, który nie jest poprawnym xmlem (a tak zwykle jest). Wiktor Zychla
Re: HTML parser
Author: Macko
Date: Wed, 22 Dec 2010 11:59
Date: Wed, 22 Dec 2010 11:59
28 lines
2754 bytes
2754 bytes
On 22 Gru, 10:27, Łukasz 'Maly' Ostrowski <m...@USUNnemo.pl> wrote: > On Wed, 22 Dec 2010 01:01:17 -0800 (PST), Macko wrote: > > >>> Ja tam był HTMLa potraktował jak XMLa i chyba XPath powinien elegancko > >>> zadziałać. Do wyciągania np. linków ze strony HTMLowej używam także > >>> RegExpa. > > >> To chyba tylko pod warunkiem, że to jest XHTML. > > > Dla RegExpa napewno nie ma znaczenia czy jest obrabiany ciąg znaków > > jest (x)html, xmlem czy czymś jeszcze innym. Z XPathem też nie widzę > > większych problemów. > > Grzegorz ma na myśli sytuację kiedy "XHTML" jest > ill-formed XML'em, jakiś <br> niedomknięty lub inny > robaczek i XmlDocument go nie załaduje, tym samym > użycie XPath jest niemożliwe. > > A taka sytuacja ma miejsce bardzo bardzo często ;-). Ok, ja pomyślałem o najbardziej optymistycznej wersji czyli poprawnie sformowanym (X)HTMLu. Nie mniej jednak RegExp poradzi sobie znakomicie. > > -- > Pozdrawiam, > Łukasz 'Maly' Ostrowski. http://l3v.eu/
Re: HTML parser
Author: Łukasz 'Maly' Ostrowski
Date: Wed, 22 Dec 2010 12:26
Date: Wed, 22 Dec 2010 12:26
12 lines
1604 bytes
1604 bytes
On Wed, 22 Dec 2010 03:59:19 -0800 (PST), Macko wrote: > Ok, ja pomyślałem o najbardziej optymistycznej wersji czyli poprawnie > sformowanym (X)HTMLu. Nie mniej jednak RegExp poradzi sobie > znakomicie. Ja, defacto, też z reguły używam Regex'ów - nie znalazłem jeszcze w praktyce żadnej strony którą musiałem sparsować a która była well-formed strict XHTML ;-). -- Pozdrawiam, Łukasz 'Maly' Ostrowski. http://l3v.eu/
Re: HTML parser
Author: Marcin Kral
Date: Wed, 22 Dec 2010 17:16
Date: Wed, 22 Dec 2010 17:16
17 lines
1853 bytes
1853 bytes
W dniu 2010-12-22 10:29, Wiktor Zychla pisze: >>> To chyba tylko pod warunkiem, że to jest XHTML. >> >> Z XPathem też nie widzę większych problemów. > > w takim razie uprzejmie proszę o informację jak użyć xpath do zadawania > zapytań do dokumentu html, który nie jest poprawnym xmlem (a tak zwykle > jest). Jezeli bardzo nam zalezy na przetwazaniu HTML na modle XML to sugeruje uzyc HTML Tidy: http://tidy.sourceforge.net - mozna transformowac do XHTML Strict i bezpiecznie wczytac jako XML, a wtedy droga do XPath itp. otwarta. -- Pozdrawiam Marcin Kral
Re: HTML parser
Author: 3P
Date: Wed, 22 Dec 2010 20:04
Date: Wed, 22 Dec 2010 20:04
15 lines
1809 bytes
1809 bytes
Dnia 22-12-2010 o 13:26:23 Łukasz 'Maly' Ostrowski <maly@usunnemo.pl> napisał(a): > On Wed, 22 Dec 2010 03:59:19 -0800 (PST), Macko wrote: >> Ok, ja pomyślałem o najbardziej optymistycznej wersji czyli poprawnie >> sformowanym (X)HTMLu. Nie mniej jednak RegExp poradzi sobie >> znakomicie. > > Ja, defacto, też z reguły używam Regex'ów - nie znalazłem > jeszcze w praktyce żadnej strony którą musiałem sparsować > a która była well-formed strict XHTML ;-). > Nie musi być strict. Byle xhtml. Ja bym linq to xml pojechał bo ostatnie mi się linq spodobał :)
Re: HTML parser
Author: Łukasz 'Maly' Ostrowski
Date: Wed, 22 Dec 2010 21:33
Date: Wed, 22 Dec 2010 21:33
9 lines
1457 bytes
1457 bytes
On Wed, 22 Dec 2010 21:04:47 +0100, 3P wrote: > Nie musi być strict. Byle xhtml. Strict w ujęciu well-formedness XML'a a nie w ujęciu standardu W3C Strict ;-). -- Pozdrawiam, Łukasz 'Maly' Ostrowski. http://l3v.eu/
Thread Navigation
This is a paginated view of messages in the thread with full content displayed inline.
Messages are displayed in chronological order, with the original post highlighted in green.
Use pagination controls to navigate through all messages in large threads.
Back to All Threads