如何自動執行此過程？

它包括重寫的.htm改爲.txt（輸出文件）如何自動執行此過程？

然後用分析器（斯坦福語法分析器）（輸出文件）

爲目錄中的所有文件。

我的問題：我想獲取目錄中的所有文件，而無需手動執行，並找到一種方法來運行解析器，而無需將它輸入到每個文件的終端中。

這裏是我的代碼：

#!/usr/bin/perl 
use strict; 
use warnings; 
use HTML::FormatText; 
use HTML::TreeBuilder; 

my $tree = HTML::TreeBuilder->new->parse_file("chpt15Intro.htm"); 

use HTML::FormatText; 

my $formatter = HTML::FormatText->new(leftmargin => 0, rightmargin => 1000); 
    #print $formatter->format($tree); is replaced by push 
push (my @files, $formatter->format($tree)); 
foreach my $files (@files) { 
    $files =~ s/^\s+//mg; 
    open MYFILE, ">ch15Intro.txt"; 
    select MYFILE; 
    print $files; 
}

在的終端，讓轉換後的HTML文件後，我寫：

script parsedch15Intro.txt ./lexparser.csh ch15Intro.txt

保存解析器的輸出。這一步仍然需要自動化。

我是初學者，所以非常感謝您的任何建議。

來源

2011-06-01 Jon

你到底想達到什麼目的？你有什麼困難？當尋求幫助時，說出你想要什麼/期望以及你有什麼/正在發生什麼。除了您遇到的特定問題之外，請務必描述總體目標。閱讀[「寫完美的問題」]（http://tinyurl.com/so-hints）以獲取更多指導。 – outis 2011-06-01 19:32:33

@outis：對不起，我還在學習，我已經更新了這個問題，請告知我是否需要更多內容。 – Jon 2011-06-01 19:57:19

「my $ tree = HTML ...」的縮進讓我有些失望。假設你沒有做任何特別的事情，我很想念你，我會爲你解答一些問題。 – Panky 2011-06-01 20:02:20

我從你的問題中得知，你想要做的就是將這個腳本應用到某個文件夾中的所有（html-）文件，並輸出它們的文本版本。

所以一個簡單的解決方案是簡單地用變量替換硬編碼的文件名，並圍繞@ARGV（例如，腳本的參數如下：

for my $file (@ARGV) { 
    next unless ($file =~ /^(.+).html*$/i); 
    my $outfile = $1 . ".txt"; 
    my $tree = HTML::TreeBuilder->new; 
    $tree->parse_file($file); # credit to Phil for this one 
    my $formatter = HTML::FormatText->new(leftmargin => 0, rightmargin => 1000); 
    foreach my $files ($formatter->format($tree)) { 
     $files =~ s/^\s+//mg; 
     open my $fh, '>', $outfile or die $!; 
     print $fh $files; 
    } 
}

正如你所看到的，我清理了一些它。使用像這樣：

> script.pl *.htm

來源

2011-06-01 21:38:05 TLP

真棒！我喜歡粘貼在一起的答案！非常感謝。我絕對可以從這裏獲得解析器 – Jon 2011-06-01 22:23:15

@Jon歡迎您:) – TLP 2011-06-01 22:30:33

嘗試更換6號線（my $tree = HTML::TreeBuilder->new->parse_file("chpt15Intro.htm");）與此：

my $tree = HTML::TreeBuilder->new; 
$tree->parse_file("chpt15Intro.htm");

的CPAN文檔的HTML :: TreeBuilder作爲不提什麼parse_file返回值，如果有的話，但我懷疑它的而不是該方法被調用的實例。這意味着在通話之後，您的$tree變量沒有任何意義。

來源

2011-06-01 20:13:06 Phil

非常感謝，我會看看如果這解決了我的一些問題 – Jon 2011-06-01 20:56:09

您可以通過命令行使用globbing傳遞多個文件，shell將擴展該文件。

./lexparser *.html

在.html結尾的所有文件名都是那麼@ARGV可用。如果您的腳本僅將文件名作爲參數，只需循環使用@ARGV以獲取每個輸入文件名，即可處理循環體中的輸入文件。例如：

for my $in (@ARGV) { 
    my $out = $in; 
    $out =~ s/(\.html?)?$/.txt/; 
    ... 
}

如果你希望你的腳本來處理這些文件之前採取額外的選項（如設置擴展輸出文件，或者設置輸出文件的前綴或後綴），過程@ARGV。您可以編寫自己的option processor或使用Getopt模塊之一。

注意：「.csh」的擴展名錶示C shell腳本。對於Perl，如果您想使用擴展名（通常沒有必要，因爲shebang行包含關於腳本類型的信息），請使用'.pl'。

來源

2011-06-01 21:21:32 outis

感謝您的幫助！尤其是知識和鏈接。我敢肯定，它會幫助做一個多文件解析 – Jon 2011-06-01 22:32:37

此外，globbing沒有按原樣工作，因爲終端命令'腳本'需要輸出文件名的第一個參數，我想匹配*在你的：_ *。html_ 所以我現在正在處理... – Jon 2011-06-01 22:46:20

@Jon：循環體句柄的前兩行：生成輸出文件名，而不是在命令行上傳遞它。如前所述，您還可以通過在命令行中設置前綴，後綴或擴展名來支持自定義輸出文件名稱。 – outis 2011-06-02 01:11:19

不是一個Perl的解決方案，但你可以做到這一點作爲一個班輪這個殼的管道，

假設

你有純文本瀏覽器安裝山貓（是可在Mac嗎？）
且有SH您的系統上的外殼：

ls -1 mydir/*。html | xargs的-i SH -c 「猞猁突降 '{}'> '{}的.txt'」

這造成在同一目錄下一堆* .html.txt文件。和文本可能會根據您的要求

來源

2011-06-02 12:20:53 knb

很酷的東西，感謝您的選擇。我剛開始學習Perl，現在我也想學習shell腳本，功能強大！ – Jon 2011-06-02 13:19:21

UPDATE將未格式化：這裏是答案自動分析器：（類似於TLP和outis的解決方案）

#!/usr/bin/perl 
use strict; 
use warnings; 

for my $file (@ARGV) { 
    next unless ($file =~ /^(.+).txt*$/i); ##file name ends in txt 
    my $outfile = "parsed$1".".txt"; 
    qx/script -q \/Users\/jon\/Desktop\/stanford-postagger-full-2011-04-20\/$outfile \.\/lexparser.csh $file/; 
} 
##First in Terminal cd /Users/jon/Downloads/chpt1-8 or whichever directory this perl script and all texfiles and parser files are 
##Called in Terminal by ==> perl auto_parse.pl *.txt 

##This saves the output to directory spedicifed. The output is the parsed files 
##Required: stanford parser files in same directory as this script

來源

2011-06-02 13:17:37 Jon

如何自動執行此過程？

回答

相關問題