- 締切済み
大量のhtmlを項目だけ抽出して１つのCSVに出力したいです
初めて投稿させていただきます。 大量のショップデータのhtmlがあります。 ショップのデータが消滅したため、過去作成したバックアップのhtmlの商品データしかありません。 数千ある商品を特定の項目だけ抽出してCSVにまとめれればと思いここに質問してみました。 具体的には htmlの中身は -+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+ <html><head> 以下略 （この辺は商品によってバラバラ） <div> ■商品番号：●●●● ■商品名：●●●●●● ■容量：●●●●●● ■備考：●●●●● </div> -+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+ のようになっており、各商品によってソースはバラバラですが、確実に同じな項目が■商品名：●●●●●●や■容量：●●●●●●などの部分が全て統一されております。 なのでここの商品名や容量、備考の部分だけを抽出し 数千あるhtmlファイルから下記のようなCSVにて出力することは不可能でしょうか？ 商品番号,商品名,容量,備考 また極力早い手段でこのようなCSVにまとめる方法はないでしょか？ お手数ですがアドバイスの方よろしくお願い致します。
- fasty
- お礼率0% (0/2)
- その他(業務ソフトウェア)
- 回答数2
- ありがとう数1
- みんなの回答 （2）
- 専門家の回答
みんなの回答
- 4017B
- ベストアンサー率73% (1336/1814)
とりあえず正規表現が使える環境で。 まず「置換処理(1)」を全体に実行し、次に「置換処理(2)」を全体に実行。 これでデータとしてある程度整形されますので。 後は単純に全てのHTMLをTEXTとして解釈させ、単純に結合させていくとか？ ＞文字列置換処理(1) $line =~ s/■商品番号：([^\n]+)\n■商品名：([^\n]+)\n■容量：([^\n]+)\n■備考：([^\n]+)\n/}}}DATA{{{$1,$2,$3,$4}}}END{{{\n/g; ＞文字列置換処理(2) $line !~ s/\}\}\}DATA\{\{\{(.+)?\}\}\}END\{\{\{\n//g; とにかく何らかの高機能なテキストエディタ(秀丸など)が必要です。 検索かけてみれば、正規表現が使えるフリーの文字列置換ソフトなどあったはずです。自宅サーバー等でダイレクトにPerlが使えるのなら、そっちの方が早いかもしれません。
- lv4u
- ベストアンサー率27% (1862/6715)
>>数千あるhtmlファイルから下記のようなCSVにて出力することは不可能でしょうか？ 商品番号,商品名,容量,備考 プログラム言語のPerlを使えば、かなり少ない行数で、ＣＳＶを出力するプログラムができそうです。 （できたファイルの内容を検証する必要はありますが・・・） 考え方として簡単に書くと、 １）プログラムの中で、順番に、全てのhtmlファイルを読む ２）ファイルの中で、「■商品番号:」の文字列があれば、後ろを変数に保存。残りも同様に処理。 ３）「■備考:」がみつかったら、保存した４つの内容を１行としてＣＳＶに出力 ４）全てのhtmlを読み終えたら、ＣＳＶファイルをクローズ こういう処理を行えば、１つのＣＳＶにまとめて出力が可能と思えます。
