Ganz bestimmten Inhalt auslesen

Benutzer2000 · 07.02.2012, 12:48

Hi @ all,

ich suche bereits eine ganze Weile nach Hilfestellungen, Scriptschnipseln und ähnlichem brauchbaren Material - vergebens.

Ich möchte aus mehreren Webseiten ganz bestimmte Werte auslesen und verarbeiten. Der Anfang ist wohl schon da (auslesen bestimmter HTML-Bereiche) und wenn ich die Werte gefiltert hätte, weiss ich auch wie ich weiter vorgehe, aber wie bekomme ich aus einem Quellcode ganz bestimmte, sich ständig wechselnde Werte gefilter (nicht nur Abschnitte, wie zB. table, span etc.)?!

Hier mein bisheriger Script-Teil (im Script wird eine Tabelle mit width="170" ausgelesen):

PHP-Code:

  $host = "http://www.example.com";

$filestring = file_get_contents($host);

$startpos = 0;

while($pos = strpos($filestring, '<table width="170"', $startpos))

{

    $string = substr($filestring, $pos, strpos($filestring, "</table>", $pos + 1) - $pos);

    echo $string."</br>";

    $startpos = $pos + 1;

}

Das schwierige ist zum einen, dass die Webseiten eine unterscheidliche Formatierung benutzen, zB.: (egal ob in <table> oder <span> wat weiss ich...)

Schnecke 1: 3,2 Meter/Sekunde
Schnecke 2: 2,8 Meter/Sekunde
Schnecke 3: 2,2 Meter/Sekunde
Schnecke 4: 1,7 Meter/Sekunde

oder

Schnecke 1:
3,2 Meter/Sekunde

Schnecke 2:
2,8 Meter/Sekunde

Schnecke 3:
2,2 Meter/Sekunde

Schnecke 4:
1,7 Meter/Sekunde

und zum anderen, möchte ich aus den Beispiel, nur exakt die X,X (Meter/Sekunde) ausgelsen haben...

Die verarbeitung sieht so aus, dass ich später dann für mich festhalten will:

Schnecke 1: so und so viel Meter... etc... (Also jede Schnecke und Ihr Tempo kommt in eine Variable)

Ich wäre dankbar für Tipps und Vorschläge, wie ich das filtern könnte.

fab · 07.02.2012, 12:58

Zitat:

Zitat von Benutzer2000

Das schwierige ist zum einen, dass die Webseiten eine unterscheidliche Formatierung benutzen, zB.: (egal ob in <table> oder <span> wat weiss ich...)

Was bleibt denn dann noch an Gemeinsamkeit? "Schnecke X" ist doch sicher nur ein Beispiel oder sehen die Daten wirklich so aus? Dann könntest du einfach mit strip_tags() alle HTML-Tags entfernen und mit RegEx suchen:

Code:

#Schnecke (\d+):\s+([\d,]+) Meter/Sekunde#

Aber ich habe das Gefühl, das ist es nicht was du willst

Also, wie würdest du das Muster nach dem gesucht werden soll präzise beschreiben? Wenn du das beantworten kannst, bist du schon einen großen Schritt weiter.

Benutzer2000 · 07.02.2012, 13:13

Zitat:

Zitat von fab

Was bleibt denn dann noch an Gemeinsamkeit? "Schnecke X" ist doch sicher nur ein Beispiel oder sehen die Daten wirklich so aus? Dann könntest du einfach mit strip_tags() alle HTML-Tags entfernen und mit RegEx suchen:

Code:

#Schnecke (\d+):\s+([\d,]+) Meter/Sekunde#

Aber ich habe das Gefühl, das ist es nicht was du willst

Also, wie würdest du das Muster nach dem gesucht werden soll präzise beschreiben? Wenn du das beantworten kannst, bist du schon einen großen Schritt weiter.

Also das Beispiel mit der "Schnecke x" ist dazu da, um meine Idee nicht zu veraten. Das die Grundbegriffe aber Tatsächlich immer die Selben sind und bleiben, ist aber ganz sicher. Es geht hier nicht um Namen, sondern um festgelegte Begriffe, hinter denen ein Wert angegeben ist. Dabei ändert sich immer nur der Wert und je Webseite die Formatierung, wie die Inhaber die Werte notieren (das würde aber noch weniger ein Problem sein).

Meine Schwierigkeit liegt eben darin, dass es zum Beispiel 5 feste Begriffe gibt (Schnecke 1 bis 5) und variable Werte (x,x Meter/sekunde), die zu den bestimmten Schnecken gehören. Das heisst:

- Ich ziehe mir aus der notierung der Daten, die durchsucht werden sollen Beispielsweise folgendes um es nutzen zu können:

PHP-Code:

  # Es wird ausgelesen und in Variablen geschrieben:

$schnecke1 = x.x;

$schnecke2 = x.x;

#etc...

Das ist so im groben mein Vorhaben

fab · 07.02.2012, 13:58

Dann kannst du es tatsächlich so machen. Wenn die Begriffe "foo", "bar" und "baz" sind und die Werte immer mit "Meter/Sekunde" angegeben werden, könnte der Ausdruck dann so aussehen (nach strip_tags versteht sich):

Code:

#(foo|bar|baz):\s*([\d,]+) Meter/Sekunde)#i

Für sämtliche Sonderfälle wie z.B. fehlende Doppelpunkte muss der Ausdruck entsprechend angepasst werden aber wie du schon schreibst, sollte das kein Problem sein.

Auf preg_match_all muss ich dich ja nicht extra hinweisen oder?

Benutzer2000 · 07.02.2012, 15:45

Ja, dass sieht momentan ganz vielversprechend aus... Ich werde mal ein paar Tests machen, ob das ganze auch bei komplexeren Sachen, mit einigen Änderungen, solide funktioniert.

Zunächst erstmal danke

Slyx · 07.02.2012, 15:53

Ich würde hier auf jeden Fall nicht mit regex sondern mit einem DOM-parser arbeiten. Das dürfte die Sache wesentlich unkomplizierter und weniger fehleranfällig machen. Mein Favorit: http://simplehtmldom.sourceforge.net/

fab · 07.02.2012, 15:55

Zitat:

egal ob in <table> oder <span> wat weiss ich

Ich will mal sehen, wie du bei der Anforderung sinnvoll mit DOM-Parser arbeiten willst

Benutzer2000 · 07.02.2012, 16:25

Also wenn Ihr mich fragt, die Idee von fab funtkioniert soweit wirklich gut. Das einzige was nun noch fehlt, sind die Ziffern, die nach dem Komma kommen sollten. Im Moment spuckt er mir nur die Zahl(en) vor dem Komma aus...
Also quasi "Schnecke 1: 2 Meter/Sekunde" da fehlt noch das (,xx).

strip_tags ist in meinem Fall eine solide Sache, denn ich suche mir die Tags <table>, <div>, <span> oder was noch alles, in dem der gewünschte Inhalt ist und filter anschliessend raus.

Es ist ganz unterschiedlich, wie die Webmaster ihre Infos verpacken/listen.
Die einen in Tabellen, die anderen zwischen Div-Tags...

(EDIT): Sorry fab, ich habe übersehen, dass die Zahlen auch unterschiedlich notiert sind. Heisst die einen schreiben mit einem Punkt (xx.xx) die anderen mit einem Komma (xx,xx).

Soweit bin ich also zufrieden, vielen Dank!

fab · 07.02.2012, 16:29

Moment...

Zitat:

Zitat von Benutzer2000

ich suche mir die Tags <table>, <div>, <span> oder was noch alles, in dem der gewünschte Inhalt ist und filter anschliessend raus.

Das heißt, du weißt im konkreten Fall doch, in welchen HTML-Elementen du suchen musst? In dem Fall nehme ich alles zurück und empfehle ebenfalls einen Parser.

Benutzer2000 · 07.02.2012, 16:51

Öhm...?! Naja, ich weiss nicht, die Änderungen die ich am script machen müsste, wären minimal... Ich werde das heute Abend oder morgen mal an verschiedenen Formatierungen teste. Wenn alles gut läuft und Änderungen relativ fix gemacht sind (je nach Seite), dann lass ich es so, ansonsten gucken wir mal weiter

Themen-Optionen
Druckbare Version zeigen Jemanden per E-Mail auf dieses Thema hinweisen
Thema bewerten
Thema bewerten:

Ähnliche Themen
Thema	Autor	Forum	Antworten	Letzter Beitrag
JS Inhalt auslesen und zählen	cgee	JavaScript, Ajax und mehr	29	28.09.2011 14:34
Nur bestimmten Inhalt in einer datei löschen	EvilDead616	PHP Einsteiger	6	23.01.2011 00:33
[Erledigt] den Inhalt einer bestimmten Textdatei- Zeile ändern	aha_01	PHP Einsteiger	3	29.12.2010 14:23
DOM: Inhalt eines Elements auslesen	konze	PHP Tipps 2010	2	08.08.2010 17:11
Inhalt aus Dateien auslesen	Zoidberg	PHP Tipps 2010	1	16.07.2010 23:27
[Erledigt] Nur bestimmten Inhalt der DB ausgeben	mt.90	Datenbanken	3	14.07.2010 11:27
[Erledigt] Tabelle einfärben	ByStones	HTML, Usability und Barrierefreiheit	16	12.06.2010 22:20
[Erledigt] Zeile mit bestimmten Inhalt einfärben?	schwandl	PHP Tipps 2009	20	26.08.2009 23:36
Hilfe, Seite im Internet Explorer Buggy	trowman	HTML, Usability und Barrierefreiheit	4	15.09.2008 08:32
Bild verschafft sich platz		HTML, Usability und Barrierefreiheit	14	11.08.2008 23:45
Auf bestimmten inhalt prüfen	King2k	PHP Tipps 2005-2	6	01.08.2005 00:33
bestimmten string aus spalte auslesen	aircrash	PHP Tipps 2005	3	01.02.2005 18:07
Textdatei auslesen, Inhalt in HTML\|PHP ausgeben.		PHP Tipps 2004-2	25	22.12.2004 01:34
inhalt eine upload-datei auslesen	jens76	PHP Tipps 2004	8	05.08.2004 16:22
auslesen von bestimmten Strings		PHP Tipps 2004	0	06.07.2004 12:13

07.02.2012, 12:48
Benutzer2000 Neuer Benutzer Registriert seit: 07.02.2012 Beiträge: 10 PHP-Kenntnisse: Fortgeschritten	Ganz bestimmten Inhalt auslesen Hi @ all, ich suche bereits eine ganze Weile nach Hilfestellungen, Scriptschnipseln und ähnlichem brauchbaren Material - vergebens. Ich möchte aus mehreren Webseiten ganz bestimmte Werte auslesen und verarbeiten. Der Anfang ist wohl schon da (auslesen bestimmter HTML-Bereiche) und wenn ich die Werte gefiltert hätte, weiss ich auch wie ich weiter vorgehe, aber wie bekomme ich aus einem Quellcode ganz bestimmte, sich ständig wechselnde Werte gefilter (nicht nur Abschnitte, wie zB. table, span etc.)?! Hier mein bisheriger Script-Teil (im Script wird eine Tabelle mit width="170" ausgelesen): PHP-Code: `$host = "http://www.example.com"; $filestring = file_get_contents($host); $startpos = 0; while($pos = strpos($filestring, '<table width="170"', $startpos)) { $string = substr($filestring, $pos, strpos($filestring, "</table>", $pos + 1) - $pos); echo $string."</br>"; $startpos = $pos + 1; }` Das schwierige ist zum einen, dass die Webseiten eine unterscheidliche Formatierung benutzen, zB.: (egal ob in <table> oder <span> wat weiss ich...) Schnecke 1: 3,2 Meter/Sekunde Schnecke 2: 2,8 Meter/Sekunde Schnecke 3: 2,2 Meter/Sekunde Schnecke 4: 1,7 Meter/Sekunde oder Schnecke 1: 3,2 Meter/Sekunde Schnecke 2: 2,8 Meter/Sekunde Schnecke 3: 2,2 Meter/Sekunde Schnecke 4: 1,7 Meter/Sekunde und zum anderen, möchte ich aus den Beispiel, nur exakt die X,X (Meter/Sekunde) ausgelsen haben... Die verarbeitung sieht so aus, dass ich später dann für mich festhalten will: Schnecke 1: so und so viel Meter... etc... (Also jede Schnecke und Ihr Tempo kommt in eine Variable) Ich wäre dankbar für Tipps und Vorschläge, wie ich das filtern könnte.


Mister Ad PHP Code Flüsterer Registriert seit: 21.08.2005 Beiträge: 4682 PHP-Kenntnisse: Fortgeschritten

07.02.2012, 13:58
fab Erfahrener Benutzer Registriert seit: 28.07.2010 Beiträge: 2.308 PHP-Kenntnisse: Fortgeschritten	Dann kannst du es tatsächlich so machen. Wenn die Begriffe "foo", "bar" und "baz" sind und die Werte immer mit "Meter/Sekunde" angegeben werden, könnte der Ausdruck dann so aussehen (nach strip_tags versteht sich): Code: #(foo\|bar\|baz):\s*([\d,]+) Meter/Sekunde)#i Für sämtliche Sonderfälle wie z.B. fehlende Doppelpunkte muss der Ausdruck entsprechend angepasst werden aber wie du schon schreibst, sollte das kein Problem sein. Auf preg_match_all muss ich dich ja nicht extra hinweisen oder? __________________ PHP Blog + Library CSS Effects + Tools

07.02.2012, 15:45
Benutzer2000 Neuer Benutzer Registriert seit: 07.02.2012 Beiträge: 10 PHP-Kenntnisse: Fortgeschritten	Ja, dass sieht momentan ganz vielversprechend aus... Ich werde mal ein paar Tests machen, ob das ganze auch bei komplexeren Sachen, mit einigen Änderungen, solide funktioniert. Zunächst erstmal danke

07.02.2012, 15:53
Slyx Benutzer Registriert seit: 02.09.2010 Beiträge: 55 PHP-Kenntnisse: Fortgeschritten	Ich würde hier auf jeden Fall nicht mit regex sondern mit einem DOM-parser arbeiten. Das dürfte die Sache wesentlich unkomplizierter und weniger fehleranfällig machen. Mein Favorit: http://simplehtmldom.sourceforge.net/

07.02.2012, 16:25
Benutzer2000 Neuer Benutzer Registriert seit: 07.02.2012 Beiträge: 10 PHP-Kenntnisse: Fortgeschritten	Also wenn Ihr mich fragt, die Idee von fab funtkioniert soweit wirklich gut. Das einzige was nun noch fehlt, sind die Ziffern, die nach dem Komma kommen sollten. Im Moment spuckt er mir nur die Zahl(en) vor dem Komma aus... Also quasi "Schnecke 1: 2 Meter/Sekunde" da fehlt noch das (,xx). strip_tags ist in meinem Fall eine solide Sache, denn ich suche mir die Tags <table>, <div>, <span> oder was noch alles, in dem der gewünschte Inhalt ist und filter anschliessend raus. Es ist ganz unterschiedlich, wie die Webmaster ihre Infos verpacken/listen. Die einen in Tabellen, die anderen zwischen Div-Tags... (EDIT): Sorry fab, ich habe übersehen, dass die Zahlen auch unterschiedlich notiert sind. Heisst die einen schreiben mit einem Punkt (xx.xx) die anderen mit einem Komma (xx,xx). Soweit bin ich also zufrieden, vielen Dank!

07.02.2012, 16:51
Benutzer2000 Neuer Benutzer Registriert seit: 07.02.2012 Beiträge: 10 PHP-Kenntnisse: Fortgeschritten	Öhm...?! Naja, ich weiss nicht, die Änderungen die ich am script machen müsste, wären minimal... Ich werde das heute Abend oder morgen mal an verschiedenen Formatierungen teste. Wenn alles gut läuft und Änderungen relativ fix gemacht sind (je nach Seite), dann lass ich es so, ansonsten gucken wir mal weiter Geändert von Benutzer2000 (07.02.2012 um 16:55 Uhr).