Transformace tabulky v .php souboru (přehození sloupců)

[Gooo]

Dobrý den

Řeším domácí úkol a popravdě netuším, jak na to. Mám odkaz, který příkazem wget stáhnu do složky. Jedná se o tabulku v HTML formátu a soubor je .php.
Tabulka má 4 sloupce a úkol zní, že mám sloupce prohodit (sloupec na druhém místě mám přesunout na první a čtvrtý na druhý) a zároveň mám seřadit data vzestupně dle data ve druhém sloupci (druhý sloupec jsou datumy).

Nedaří se mi najít správný nástroj, kterým bych tuto operaci zvládl udělat. V podkladech mi přišel jako vhodný nástroj "cat", kterým zobrazím soubor (a vyjede mi ona HTML tabulka). Tak jsem zkoušel nástroj "cut" ve formátu:

Kód [Vybrat] Rozbalit

cut -d' ' -f1
a doufal jsem, že se mi zobrazí první sloupec. Vhodným vybráním sloupců bych alespoň uměl první část a nějak vyfiltruji data, které mě zajímají. Jako volbu oddělovače jsem za -d vybral mezeru a tudíž mi to vyhodilo nesmysl. Protože se ale jedná o HTML tabulku, nevím jaký vhodný oddělovač vybrat.

Možnosti tedy nyní jsou:

• Transformovat "nějak" soubor .php do txt, kde budou sloupce odděleny specifickým znakem. Pak v txt udělat úpravy a překonvertovat to do .php?
• Umět najít nějaký vhodný oddělovač již v .php souboru?
• Udělat to úplně nějak jinak (nejpravděpodobnější)?

Popravdě, mohu si ten soubor hodit do calcu, převedu do požadovaného formátu a pak z něj udělám .php a nikdo nic nepozná, ale nějak bych rád to zkusil takhle. Googlím už pár dnů a nic mě nenapadá. Poradí někdo?

[Reklama]

[Strašidlo]

Zkoušel jste awk? http://stackoverflow.com/questions/6854586/extract-data-from-html-table-with-bash-script

[#]

sort a sloupec + awk a je to doma somozrejme cest je vice treba pres grep nebo cokoliv jinyho chces

[Tomas Matejicek]

Misto wgetu bych pouzil "lynx" s parametrem -dump. To prekonvertuje HTML tabulku do vhodneho formatu.
Pak bych to prohnal pres while. Neco jako:

lynx -dump $url | while read sloupec1 sloupec2 sloupec3 sloupec4; do
   echo $sloupec2 $sloupec4 $sloupec1 $sloupec3
done

[Tonda]

A zadání je, že to musí být pomocí bash a Linuxových utilit nebo proč to chceš dělat takhle? Parsovat HTML pomocí regulárních výrazů je docela zoufalost. Tohle bych prostě naprogramoval v nějakém vyšším jazyce podle toho co umíš (v mém případě by to byla Java) pomocí vhodných komponent - nějaká http klient a html parser.

[Reklama]

[Franta <xkucf03/>]

Není potřeba nic moc programovat.

Stažení: wget
Transformace: xsltproc
(pokud to bude nevalidní HTML hnůj, tak tam ještě vložíš HTML tidy, aby to opravilo a dalo se to parsovat)

Kód [Vybrat] Rozbalit

wget -O - http://... | tidy ... | xsltproc šablona.xsl > výstup.xml # nebo výstup.txt

Tobě stačí si napsat jednoduchou XSLT šablonu, která najde tu tabulku (podle pořadí, identifikátoru, třídy atd.) a vypíše sloupečky tak, jak potřebuješ.

[Gooo]

No, predmet ma nazev administrace systemu a prakticky je to jen o linuxu. Zadani zni:
Tato data obsahují HTML tabulku se jmény, e-maily, městy a daty přihlášení studentů k nějakému kurzu.
Pomocí dostupných unixových nástrojů transformujte získaná data do podoby:
Jméno <email>: datum
Soubor seřaďte podle datumu..
Výsledný soubor opět publikujte na webu do Vašeho podadresáře.

takze princip je udelat to skrze putty na skolnim serveru.

[Jimm]

V tom případě bys měl projít doporučenou literaturu a naučit se to udělat, nebo zadání počítá s tím že to někdo na Rootu udělá za tebe?

[h7]

V zadání tak trochu cítím "použijte sort, awk, sed apod.", ale to mi přijdou zrovna na tohle celkem nevhodné nástroje. Co je to dostupný UNIXový nástroj? Pokud máš přístup k internetu, tak je dostupné prakticky cokoli, co lze stáhnout, použít zdarma a funguje pod UNIXem. Jinak pro tohle se hodí něco, co obsahuje HTML parser (nebo něco, co z toho udělá validní XML a pak XML parser). Tedy nějaký vyšší programovací/skriptovací jazyk s příslušnými knihovnami.

[Franta <xkucf03/>]

V zadání tak trochu cítím "použijte sort, awk, sed apod.", ale to mi přijdou zrovna na tohle celkem nevhodné nástroje.

+1

Ono to HTML možná bude napsané tak, aby těmito nástroji šlo snadno zpracovat a je to asi pointa té úlohy... ale není to obecné řešení a v praxi si na tom člověk vyláme zuby, protože kdejaké HTML stažené z Internetu (ne připravené učitelem) bude obsahovat takový hnůj, že to tímhle zpracovat nepůjde.

[Gooo]

V tom případě bys měl projít doporučenou literaturu a naučit se to udělat, nebo zadání počítá s tím že to někdo na Rootu udělá za tebe?

Nebudu lhát, že jsem na podobnou odpověď nečekal ). Jak jsem psal, hledám radu, to znamená nakopnutí, na které příkazy se zaměřit. V žádném případě jsem nehledal někoho, kdo toto zadání vypracuje (ani sem nedávám odkaz na onu tabulku). Také jsem napsal, že vím jak to obejít a udělat například pomocí excelu tak, aby byl vyhotoven výsledek a také jsem dodal, že to není mým cílem.

Omlouvám se za tuto reakci, ale Vaši odpověď tedy může napsat jenom trouba.

Druhá věc je, že není vš tak jednobarevné. Předmět o kterém je řeč jsme v tomto semestru měli jeden dvouhodinový blok, kde byla přednáška o historii linuxu a studijní opora je řešena zasláním pěti PPS prezentací. A protože jsem trouba a z těch prezentací jsem to nepochopil, googlil jsem základy administrace linuxu a pak jsem podal dotaz zde. Paradoxně si jsem jist, že i když pokusy s vyhotovením úkolu dopadly neúspěšně, ono vyhledávání informací a také slepé cesty znamenaly, že ve mě nějaké informace přece jen zůstaly a to je smysl takových úkolů.

Takže, jestliže někdo špatně dotaz pochopil a já jsem jej urazil, omlouvám se )

[Tonda]

Tu tabulku si sem dát spíš měl, protože pokud je to jedna konkrétní konkrétně formátovaná tabulka, tak je to úplně jiná úloha než když by to mělo být schopno prohodit sloupce v libovolné HTML tabulce. Pokud je to ideálně formátovaná tabulka jako v tom dotazu na Stackoverflow co sem dal Strašidlo, tak to půjde snadno pomoci awk jak je tam rovněž uvedeno a má smysl to takto zkoušet. Ale i tak mi to nepřijde jako vhodná úloha do předmětu "administrace systému", i když z názvu je těžko odhadovat podrobnější náplň předmětu.

To, že si zadání zkomolil a zamlžil, akorát odvádí diskusi nesmyslným směrem, protože si tu některé věci, které jsou dané zbytečně a často chybně musíme domýšlet.

co je standardní nástroj je skutečně diskutabilní, Java je v repozitářích majoritních Linuxových dister a je doinstalovatená jedním příkazem, Python se snad dokonce instaluje v základu. Taky je otázka zda se OS založené na Linuxu dají považovat za UNIX.

[Kit]

Kód [Vybrat] Rozbalit

wget -O - http://... | tidy ... | xsltproc šablona.xsl > výstup.xml # nebo výstup.txt

Tidy tam není potřebné, xsltproc má parametr --html. Viz
https://gist.github.com/kitsaels/11144830