解析HTML「視覺」

好吧我很茫然如何命名這個問題。我有一些HTML文件，可能是由Lucide上尉自己寫的，我需要解析。它由很多這樣的片段，其他html標籤中解析HTML「視覺」

<p>HeadingNumber</p> 
<p style="text-indent:number;margin-top:neg_num ">Heading Text</p> 
<p>Body</p>

注意，標題編號和文字都在單獨的p標籤，在通過CSS水平線上。 css可能是Lucify的幻想，縮進，填充，邊距和位置的混合。

但是，該行是我業務模型中的單個對象，應該保持這樣。那麼如何檢測兩個p元素是否在一行中可視化並相應地處理它們。如果有幫助，我相信HTML文件格式良好。

來源

2010-06-01 Midhat

聽起來像一個「網絡瀏覽器」的工作:) – 2010-06-01 21:09:58

你使用什麼語言？ PHP的？ java嗎？ ... – laher 2010-06-01 21:10:10

@這個問題：hahahahahahahaha。我真的爲你和這個要求感到難過。對不起的人：\ – Jason 2010-06-01 21:13:26

你沒有指定你是如何解析的，但這在jQuery中是可能的，因爲你可以確定窗口原點中任何元素的偏移位置。 Check out the example here.

代碼：

$(function() { 

function sameHorizon(obj1, obj2, tolerance) { 

    var tolerance = tolerance || 0; 

    var obj1top = obj1.offset().top; 
    var obj2top = obj2.offset().top; 

    return (Math.abs(obj1top - obj2top) <= tolerance); 

} 

$('p').each(function(i,obj) { 
    if ($(obj).css('margin-top').replace('px','') < 0) { 
     var p1 = $(obj).prev('p'); 
     var p2 = $(obj); 
     var pTol = 4; // pixel tolerance within which elements considered aligned 

     if (sameHorizon(p1, p2, pTol)) { 
      // put what you want to do with these objects here 
      // I just highlighted them for example 
      p1.css('background','#cc0'); 
      p2.css('background','#c0c'); 

      // but you can manipulate their contents 
      console.log(p1.html(), p2.html()); 
     } 
    } 
}); 

});

這個代碼是基於一個假設，如果一個<p>具有負margin-top然後嘗試與以前<p>排列，但如果你知道的jQuery應該顯然如何改變它以符合不同的標準。

如果你不能爲你的問題使用jQuery，那麼希望這對其他誰是或者你可以在jQuery中設置一些東西來解析這個並輸出新的標記是有用的。

來源

2010-06-02 01:13:15 mVChr

你可能會碰到irobotsoft網站刮板和有一個測試：

打開在其瀏覽器窗口
選擇的頁面和標記線
使用菜單：設計 - >實踐HTQL看看如果它可以提取該行。

來源

2010-06-02 01:48:43 seagulf

我沒有很多使用它的經驗，但是如果HTML格式良好，並且取決於需要解析數據的格式，則可以將其視爲XML文檔並使用XQuery解析出你的數據。

同時在Firefox中打開HTML並查看是否可以弄清楚使用Firebug應用了哪些CSS樣式。它可能會給你一個更好的線索，看看HTML是如何排列起來的......雖然它看起來像使用'margin-top：negative_number'來完成......如果是這種情況，我認爲XQuery應該能夠找到應用了該特定樣式的元素。

來源

2010-06-02 03:07:07

如果你認爲XQuery可能會有所幫助，你可以使用它在.NET中以及... http://www.4guysfromrolla.com/articles/071603 -1.2.aspx – 2010-06-03 03:55:31

解析HTML「視覺」

回答

相關問題