Portál AbcLinuxu, 10. května 2025 02:41
S elinksem jsem tez neuspel, muzete me nekdo nakopnout s tim sedem, awkem a dalsimi kamarady?Jak neuspěl? Já toto zkusil :
elinks -dump-width 150 -dump http://www.ebanka.cz/Firemni-finance/Firemni-ucet/Transparentni-ucet/trAccountDetail.jsp?accountNumber=2588438001a obdržel jsem pěkný textový výpis, který už by neměl být problém dále zpracovávat ve skriptu (za pomoci potřebných programů, jako sed, grep, sort, ......) a dovést ho do potřebné struktury.
xmllint?
<?php
$string = strstr(file_get_contents ('dataget2'), '<tbody>');
$pozice = strpos ($string, '</tbody>');
$string2 = substr ($string, 0, $pozice);
#$string3 = html_entity_decode ($string2);
$dopryc = array(" class=\"odd\"", " class=\"even\"", "\n", " ", "<tbody>", " ", "td", "br");
$string3 = str_replace($dopryc, "", $string2);
$string4 = str_replace("</tr>", "</tr>\n", $string3);
$dopryc = array("<", ">", "tr");
$string5 = str_replace($dopryc, "", $string4);
$string6 = str_replace("/", ";", $string5);
$dopryc = array(";;;;;;", ";;;;;", ";;;", ";;");
$string7 = str_replace($dopryc, ";", $string6);
echo $string7;
?>
6.1.2007 00:59
use HTML::TableExtract;
a přes něj se pak dá (mj.):
Datum: 2007-01-05 04:21:39.0 Variabilni symbol: 28 Castka: 400.00 Datum: 2007-01-03 05:35:26.0 Variabilni symbol: 5 Castka: 400.00 Datum: 2007-01-03 05:35:23.0 Variabilni symbol: 33 Castka: 400.00 Datum: 2007-01-03 05:33:14.0 Variabilni symbol: 51 Castka: 800.00 Datum: 2007-01-02 09:36:02.0 Variabilni symbol: 16 Castka: 400.00 Datum: 2007-01-02 05:57:28.0 Variabilni symbol: 49 Castka: 400.00 Datum: 2007-01-01 23:59:59.0 Variabilni symbol: Castka: Datum: 2006-12-31 23:59:59.0 Variabilni symbol: Castka: 0.04 Datum: 2006-12-28 06:40:52.0 Variabilni symbol: 8 Castka: 400.00 Datum: 2006-12-28 05:48:15.0 Variabilni symbol: 48 Castka: 400.00 Datum: 2006-12-20 17:57:35.0 Variabilni symbol: Castka: 1000.00Navíc je použita primitivní cache, která stáhne zdrojový kód z netu jen tehdy, pokud ho nenajde již dříve uložený na disk (což se hodí při ladění).
#!/usr/bin/env python
import urllib2
from HTMLParser import HTMLParser
class MyHTMLParser(HTMLParser):
def parse(self, html):
self.tdcounter = 0
self.within_tbody = False
self.thead_found = False
self.platby = []
self.platba_parsed = []
self.feed(html)
self.close()
def handle_starttag(self, tag, attrs):
if tag == 'td': self.tdcounter += 1
if tag == 'tbody' and self.thead_found:
self.within_tbody = True
def handle_data(self, data):
if 'VARIABIL' in data: self.thead_found = True
if self.within_tbody:
if self.tdcounter in (4,13,17):
self.platba_parsed.append(data.strip())
def handle_startendtag(self, tag, attrs):
if self.within_tbody and tag == 'br':
self.tdcounter += 1
def handle_endtag(self, tag):
if tag == 'tr':
self.tdcounter = 0
if self.platba_parsed:
self.platby.append(self.platba_parsed)
self.platba_parsed = []
if tag == 'tbody': self.within_tbody = False
url = 'http://www.ebanka.cz/Firemni-finance/Firemni-ucet/Transparentni-ucet/trAccountDetail.jsp?accountNumber=2588438001'
htmlcache = 'ebanka_cache'
try:
contents = file(htmlcache).read()
except:
handler = urllib2.urlopen(url)
contents = handler.read()
handler.close()
file(htmlcache, 'w').write(contents)
parser = MyHTMLParser()
parser.parse(contents)
for datum, varsymb, castka in parser.platby:
print 'Datum: %s Variabilni symbol: %s Castka: %s'%(
datum, varsymb, castka)
// ==UserScript==
// @name eBanka
// @description eBanka
// @include http://www.ebanka.cz/Firemni-finance/Firemni-ucet/Transparentni-ucet/trAccountDetail.jsp*
// ==/UserScript==
function lTrim(value) {
var r = /\s*((\S+\s*)*)/;
return value.replace(r, "$1");
}
function rTrim(value) {
var r = /((\s*\S+)*)\s*/;
return value.replace(r, "$1");
}
function trim(value) {
return lTrim(rTrim(value));
}
window.addEventListener(
'load',
function() {
var table, tbody, rows, columns, items, txt;
txt = "";
line = new Array(16);
table = document.getElementsByTagName('table')[0];
if (!table) {
alert('Nemôžem nájsť <table>');
return;
}
tbody = table.getElementsByTagName('tbody')[0];
if (!tbody) {
alert('Nemôžem nájsť <tbody>');
return;
}
rows = tbody.getElementsByTagName('tr');
for (var i = 0; i < rows.length; i++) {
row = rows[i];
columns = row.getElementsByTagName('td');
if (columns.length != 7) {
alert('Zlý počet stĺpcov:' + columns.length);
return;
}
items = columns[0].textContent.split('\n');
line[0] = items[1]; // poradove cislo
items = columns[1].textContent.split('\n');
line[1] = items[1]; // datum
line[2] = items[2]; // cas
items = columns[2].textContent.split('\n');
line[3] = items[1]; // poznamka
line[4] = items[2]; // nazov uctu
line[5] = items[3]; // cislo uctu
items = columns[3].textContent.split('\n');
line[6] = items[1]; // datum odpisania
line[7] = items[2]; // valuta
line[8] = items[3]; // typ
items = columns[4].textContent.split('\n');
line[9] = items[1]; // variabilny symbol
line[10] = items[2]; // konstantny symbol
line[11] = items[3]; // specificky symbol
items = columns[5].textContent.split('\n');
line[12] = items[2]; // ciastka
items = columns[6].textContent.split('\n');
line[13] = items[1]; // poplatok
line[14] = items[2]; // zmena
line[15] = items[3]; // spr8va
for (var k = 0; k < line.length; k++) {
line[k] = trim(line[k]);
}
txt += line.join(";") + "<br>\n";
}
document.open()
document.writeln(txt + "<br>");
document.close();
},
true);
Tiskni
Sdílej:
ISSN 1214-1267, (c) 1999-2007 Stickfish s.r.o.