ファイルには次の構文があります(シミュレートされたhttp応答時間から)。
<thead><tr><th class="x">seconds</th><th class="R">reqs</th><th class="r">%reqs</th><th class="B">Gbytes</th><th class="b">%bytes</th></tr></thead>
<tbody><tr><td class="x">0</td><td class="R">10927</td><td class="r"> 0.47%</td><td class="B">0.01</td><td class="b"> 0.18%</td></tr>
<tr><td class="x"><= 0.01</td><td class="R">1026471</td><td class="r">44.59%</td><td class="B">0.11</td><td class="b"> 1.81%</td></tr>
<tr><td class="x">0.01-0.02</td><td class="R">535390</td><td class="r">23.26%</td><td class="B">0.06</td><td class="b"> 0.95%</td></tr>
<tr><td class="x">0.02-0.05</td><td class="R">93298</td><td class="r"> 4.05%</td><td class="B">0.27</td><td class="b"> 4.29%</td></tr>
など。
私が残したいのは秒値です。したがって、「x」の後と最初の<の前には2つの文字があります。
また、要求長なので、「R」の後と次の<の前に2文字があります。
おそらく正規表現を学ぶための最良の練習ではないでしょう。しかし、それが私が固守しているのです。どんな助けでもとても役に立ちます。
予想される結果:
seconds reqs
0 10927
<= 0.01 1026471
0.01-0.02 535390
0.02-0.05 93298
ベストアンサー1
HTMLの形式がわからない限り、これを制御でき、エラーなどは問題になりません。正規表現を使用できますが、上記のようにお勧めできません。
私はそれを直接使用しますが、主に単純なデータを一度に抽出するときに使用します。
たとえば、Perl を使用できます。HTML::TokeParser::シンプル。
非常に単純化されました:
#!/usr/bin/perl
use strict;
use warnings;
use HTML::TokeParser::Simple;
use HTML::Entities;
use utf8;
die "$0 [file | url]\n" unless defined $ARGV[0];
my $tp;
if ($ARGV[0] =~ /^http:\/\//) {
$tp = HTML::TokeParser::Simple->new(url => $ARGV[0]);
} else {
$tp = HTML::TokeParser::Simple->new(file => $ARGV[0]);
}
if (!$tp) {
die "No HTML file found.\n";
}
# Array to store data.
my @val;
# Index
my $i = 0;
# A bit mixed code with some redundancy.
# Could be done much simpler, - or much more safe.
# E.g. Check for thead, tbody etc and call a sub to parse those.
# You could off course also print directly (not save to array),
# but you might want to use the data for something?
while (my $token = $tp->get_token) {
if ($token->is_start_tag('th') && $token->get_attr('class') eq 'x') {
$val[$i++] = $tp->get_token->as_is;
} elsif ($token->is_start_tag('th') && $token->get_attr('class') eq 'R') {
$val[$i++] = $tp->get_token->as_is;
} elsif ($token->is_start_tag('td') && (
($token->get_attr('class') eq 'x') ||
($token->get_attr('class') eq 'R'))) {
$val[$i++] = decode_entities($tp->get_token->as_is);
}
}
my @width_col = (10, 8);
if ($i > 2 && !($i % 2)) {
$i = 0;
printf("%*s %*s\n",
$width_col[0], "$val[$i++]",
$width_col[1], "$val[$i++]"
);
while ($i < $#val) {
printf("%*s %*d\n",
$width_col[0], "$val[$i++]",
$width_col[1], "$val[$i++]"
);
}
} else {
die "ERR. Unable to extract data.\n"
}
結果の例:
$ ./extract htmlsample
seconds reqs
0 10927
<= 0.01 1026471
0.01-0.02 535390
0.02-0.05 93298