🚀 go-pugleaf

On Fri, 07 Oct 2005 15:11:23 +0000, Miszczu wrote:

> Probuje napisac pareser stron www, mam jednak maly klopot, czy istnieje
> jakis prosty sposob zeby z danego kawalka strony pozbyc sie wszystkich
> znacznikow html typu <b> <p> <a href...> itp itd
> 
> Fajnie by bylo gdybym mogl to zrobic np poprzez
> string map { <*> "" } $zrodlo
> Ale jakos nie dziala ;)

Ja kiedyś potrzebowałem coś takiego zrobić (w skrypcie do wysyłania smsów)
i pozbyłem się ich poprzez polecenie regsub. Ale nie wiem czy to najlepsze
rozwiązanie w tej sytuacji.

-- 
ダレック
takeda@IRCnet.EFnet, ICQ# 15827691, YahooIM: takeda64
http://ircwiki.takeda.tk - strona wiki poświęcona IRC

On Fri, 7 Oct 2005 11:09:13 -0700, Derek Kuliński / takeda wrote:

> Ja kiedyś potrzebowałem coś takiego zrobić (w skrypcie do wysyłania smsów)
> i pozbyłem się ich poprzez polecenie regsub. Ale nie wiem czy to najlepsze
> rozwiązanie w tej sytuacji.

Ok w czeluściach swojego HD znalazłem ten skrypt. Jest b. stary dawno nie
uaktualniany, więc wątpię czy nawet wysyła sms'y (te polskie brami lubiały
b. często zmieniać swoje interfejsy).

http://www.takeda.tk/site/download/eggdrop/tkdSMS.tar.gz

Pewnie rozwiązanie nie jest najlepsze ale wtedy nie było tej grupy więc
rozwiązanie zrobiłem we własnym zakresie. Ciebie pewnie bedzie interesować
procedura striphtml.

-- 
ダレック
takeda@IRCnet.EFnet, ICQ# 15827691, YahooIM: takeda64
http://ircwiki.takeda.tk - strona wiki poświęcona IRC

Googie wrote:

> Derek Kuliński / takeda wrote:
> 
>> Ja kiedyś potrzebowałem coś takiego zrobić (w skrypcie do wysyłania
>> smsów) i pozbyłem się ich poprzez polecenie regsub. Ale nie wiem czy
>> to najlepsze rozwiązanie w tej sytuacji.
>> 
> 
> [regsub] byłby najlepszy. W ogóle wyrażenia regularne są bardzo pomocne
> i szybkie (chyba najszybsze z wszystkich innych metod, jakimi można je
> ewentualnie zastąpić). Niestety jestem teraz zbyt zmęczony na
> wymyślanie jak ta komenda w całości ma wyglądać - postaram się jutro.
> Można też na piechotkę, w pętli, znak po znaku, ale nie poleca, bo nie
> dość że 10 razy więcej roboty, kodu ( = 10 razy więcej możliwości
> popełnienia błędu), to jeszcze na pewno wolniejsze (a zwłaszcza przy
> większych stringach).
> 
Kombinowalem z regsub, ale jakos nie moglem sobie z nim poradzic, prosil bym
o niepisanie gotowych procedur, tylko o ewentualnie podpowiedzenie w ktorym
kierunku mam isc. Co do likwidowania znak po znaku, to tez nie bardzo sie
da, bo nie znam z gory wszystkich znacznikow :)
Z gory dziekuje i pozdrawiam

Derek Kuliński / takeda wrote:

> Ja kiedyś potrzebowałem coś takiego zrobić (w skrypcie do wysyłania
> smsów) i pozbyłem się ich poprzez polecenie regsub. Ale nie wiem czy
> to najlepsze rozwiązanie w tej sytuacji.
> 

[regsub] byłby najlepszy. W ogóle wyrażenia regularne są bardzo pomocne
i szybkie (chyba najszybsze z wszystkich innych metod, jakimi można je
ewentualnie zastąpić). Niestety jestem teraz zbyt zmęczony na
wymyślanie jak ta komenda w całości ma wyglądać - postaram się jutro.
Można też na piechotkę, w pętli, znak po znaku, ale nie poleca, bo nie
dość że 10 razy więcej roboty, kodu ( = 10 razy więcej możliwości
popełnienia błędu), to jeszcze na pewno wolniejsze (a zwłaszcza przy
większych stringach).

-- 
Pozdrawiam (Greetings)!
Googie

Miszczu wrote:

> Kombinowalem z regsub, ale jakos nie moglem sobie z nim poradzic,
> prosil bym o niepisanie gotowych procedur, tylko o ewentualnie
> podpowiedzenie w ktorym kierunku mam isc.

Jutro, sam muszę to przetestować (rzadko używam [regsub]).

> Co do likwidowania znak po 
> znaku, to tez nie bardzo sie da, bo nie znam z gory wszystkich
> znacznikow :)

Nie. Robisz pętlę dla każdego znaku, w jeden z 2 sposobów:

for {set i 0} {[string index $string $i] != ""} {incr i} {
    set char [string index $string $i]
    #...
}

lub

foreach char [split $string ""] {
    #....
}

(ten split rozdziela wszystko - co jeden znak)

W takiej pętli robisz switcha, dla przypadków "<", ">" i default.
Następnie używasz zmiennej sterującej 'isTag' dając jej wartości 0 lub
1, w zależności od tego czy pętla jest aktualnie w tagu html czy w
zwykłym tekście (a to wykrywasz po znakach < i >). W default
sprawdzasz wartość 'isTag' i w zależności od tego dodajesz bierzący
znak do stringa końcowego, lub nie.

Mam nadzieję że wyjaśniłem zrozumiale.

-- 
Pozdrawiam (Greetings)!
Googie

Miszczu schrieb:

> Probuje napisac pareser stron www, mam jednak maly klopot, czy istnieje
> jakis prosty sposob zeby z danego kawalka strony pozbyc sie wszystkich
> znacznikow html typu <b> <p> <a href...> itp itd
>
> Fajnie by bylo gdybym mogl to zrobic np poprzez
> string map { <*> "" } $zrodlo
> Ale jakos nie dziala ;)

# Można użyć też tDOM z opcją do HTML o ile to uważa się za
prosty spośób
# http://www.tdom.org

package require tdom
set f [open "my.html" r]
set document [dom parse -html [read $f]]
close $f

# remove all p nodes
foreach node [[$document documentElement] selectNodes */p] {
     # transfer child nodes of p to parent
     foreach c [$node childNodes] {
	 [$node parentNode] insertBefore $c $node
     }
     [$node parentNode] removeChild $node
}

set f [open "my2.html" w]
puts -nonewline $f [[$document documentElement] asHTML]
close $f

# Artur Trzewik

On Fri, 07 Oct 2005 17:11:23 +0200, Miszczu <Miszczu@ble.ble> wrote:

> Probuje napisac pareser stron www, mam jednak maly klopot, czy istnieje
> jakis prosty sposob zeby z danego kawalka strony pozbyc sie wszystkich
> znacznikow html typu <b> <p> <a href...> itp itd
>
> Fajnie by bylo gdybym mogl to zrobic np poprzez
> string map { <*> "" } $zrodlo
> Ale jakos nie dziala ;)

regsub -all "<.*?>" $zrodlo "" zrodlo

-- 
Using Opera's revolutionary e-mail client: http://www.opera.com/mail/

On Sun, 09 Oct 2005 01:01:53 +0200, Derek Kuliński / takeda  
<d.kulinski@gmail.com> wrote:

> On Fri, 7 Oct 2005 11:09:13 -0700, Derek Kuliński / takeda wrote:
>
>> Ja kiedyś potrzebowałem coś takiego zrobić (w skrypcie do wysyłania  
>> smsów)
>> i pozbyłem się ich poprzez polecenie regsub. Ale nie wiem czy to  
>> najlepsze
>> rozwiązanie w tej sytuacji.
>
> Ok w czeluściach swojego HD znalazłem ten skrypt. Jest b. stary dawno nie
> uaktualniany, więc wątpię czy nawet wysyła sms'y (te polskie brami  
> lubiały
> b. często zmieniać swoje interfejsy).

Ja mam troche inaczej, bez parsowania, taki prosty moduł do SMSów. Do  
botów się kiepsko nadaje, chociaż podobno już można http::geturl z  
-command wywołać, nie jestem w temacie.

Szukam naiwn^H^H^H^H^H^H zainteresowanego przerobieniem bramki ery. Nowy  
Orange (trzeba zdefiniować callback, który dostaje token w postaci  
binarnej) i stary dobry Plus działa. Ery mi się nie chce już dorabiać, a  
chętnie bym na nią wysyłał.

> http://www.takeda.tk/site/download/eggdrop/tkdSMS.tar.gz
> Pewnie rozwiązanie nie jest najlepsze ale wtedy nie było tej grupy więc
> rozwiązanie zrobiłem we własnym zakresie. Ciebie pewnie bedzie  
> interesować
> procedura striphtml.

Akurat ns_striphtml z AOLservera wygląda podobnie:

::nstcl::ad_proc ::nstcl::ns_striphtml {-tags_only:boolean html} {
     summary "Strip HTML tags"

     description {
         <p><i>ns_striphtml</i> removes all HTML tags from a given chunk of
         <i>html</i>.</p>
     }

     optional_switch {
         <dle>
             <dt><option>-tags_only</option></dt>
             <dd>
                 If specified HTML entities are not removed; if not  
specified,
                 they are.
             </dd>
         </dle>
     }
} {
     regsub -all -- {<[^>]+>} $html "" html
     if {!$tags_only_p} {
         regsub -all -- {&[^ \t\n\r;]+;} $html "" html
     }
     return $html
}


Przy okazji macie opis o tags_only_p ;-)

-- 
Using Opera's revolutionary e-mail client: http://www.opera.com/mail/

> regsub -all "<.*?>" $zrodlo "" zrodlo

regsub -all "<.+>" $zrodlo "" zrodlo

Czy to nie bedzie czasem to samo?

-- 
Pozdrawiam!
Googie

On Wed, 12 Oct 2005 09:06:15 +0200, Googie wrote:

>> regsub -all "<.*?>" $zrodlo "" zrodlo
> 
> regsub -all "<.+>" $zrodlo "" zrodlo
> 
> Czy to nie bedzie czasem to samo?

Googie musiałdodać swoje 3gr, ok to ja też dorzucę:

Nie lepiej będzie:
regsub -all {<.+>} $zrodlo {} zrodlo

właściwie to AFAIR manual Tcl tak zaleca (chodzi o klamry)...

-- 
ダレック
takeda@IRCnet.EFnet, ICQ# 15827691, YahooIM: takeda64
http://ircwiki.takeda.tk - strona wiki poświęcona IRC