IMPORTXML z Titulky.com

jiřin

Re:IMPORTXML z TITULKY.COM
« Odpověď #15 kdy: 07. 01. 2018, 21:40:42 »
Sorry, já to nevysvětlil pořádně. Nejde o RSS.


Kit

Re:IMPORTXML z TITULKY.COM
« Odpověď #16 kdy: 07. 01. 2018, 22:05:25 »
Sorry, já to nevysvětlil pořádně. Nejde o RSS.

Je na té doméně snad nějaké jiné XML? To RSS by se pro tvůj účel určitě hodilo nejlépe.

cracwler

Re:IMPORTXML z TITULKY.COM
« Odpověď #17 kdy: 07. 01. 2018, 22:57:53 »
RSS krásně řeší nové titulky, ale už ne rozpracované titulky nebo podrobné statistiky.

Kit

Re:IMPORTXML z TITULKY.COM
« Odpověď #18 kdy: 07. 01. 2018, 23:45:18 »
RSS krásně řeší nové titulky, ale už ne rozpracované titulky nebo podrobné statistiky.

Jenže když parsuješ HTML, tak to nemůžeš parsovat jako XML. Použij HTML parser.

cracwler

Re:IMPORTXML z TITULKY.COM
« Odpověď #19 kdy: 08. 01. 2018, 07:40:46 »
Citace
Jenže když parsuješ HTML, tak to nemůžeš parsovat jako XML. Použij HTML parser.

Právě že můžu. Výhoda importxml() je v tom, že si můžu pomoxí XPATH vybrat, co chci. Importhtml() beze jenom tabulky a seznamy. Navíc spolehlivě zničí odkazy, tzn. že parametr href z nich pomocí té funkce nedostanu.


jiřin

Re:IMPORTXML z TITULKY.COM
« Odpověď #20 kdy: 08. 01. 2018, 08:24:26 »
Citace
Jenže když parsuješ HTML, tak to nemůžeš parsovat jako XML. Použij HTML parser.
Je nějaký důvod, proč by to nebylo možné? Je to značkovací jazyk podobně jako xml, má nějakou strukturu, kterou lze logicky procházet. XML řeší, aby dokument měl striktní strukturu, ale neřeší značky, HTML naopak řeší, aby dokument obsahoval určité značky a strukturu má podobnou. Nemají náhodou společného předka? Ale hlavně ta funkce opravdu funguje a lze ji uvedeným způsobem použít. Určitě to někdy využiju

Pako

Re:IMPORTXML z TITULKY.COM
« Odpověď #21 kdy: 08. 01. 2018, 16:22:30 »
Citace
Jenže když parsuješ HTML, tak to nemůžeš parsovat jako XML. Použij HTML parser.
Je nějaký důvod, proč by to nebylo možné? Je to značkovací jazyk podobně jako xml, má nějakou strukturu, kterou lze logicky procházet. XML řeší, aby dokument měl striktní strukturu, ale neřeší značky, HTML naopak řeší, aby dokument obsahoval určité značky a strukturu má podobnou. Nemají náhodou společného předka? Ale hlavně ta funkce opravdu funguje a lze ji uvedeným způsobem použít. Určitě to někdy využiju

Protože HTML může, ale nemusí být zároveň XML... tato idea (tj. HTML striktně splňujícího XML požadavky) byla odmítnuta ve prospěch HTML 5. A XML parser s ne-XML daty prostě jako takový pracovat neumí (i když je určitě možné knihovnu co implementuje XML parser ho takto rozšířit, ale pak už to není jen XML, ale i HTML parser).

cracwler

Re:IMPORTXML z Titulky.com
« Odpověď #22 kdy: 08. 01. 2018, 19:26:13 »
Abych uzavřel teoretickou debatu - funkce importxml v Google Docs zkrátka umí importovat webovou stránku.

Zpět k problému: bez předžvýkaní se titulky.com do Google Docs plně nenaimportují.