Lese et html table og sette inn hver linje i liste

[Wubbable]

Som sagt, jeg loader en webside, søker etter et spesifikkt table, og vil sette hver linje inn i en listbox...

 

Er dette mulig?

Godtar eksterne DLL filer

[Manfred]

*hint* RegEx *hint*

[Wubbable]

Tell me more

[wolf5]

Regular Expressions

 

http://www.c-sharpcorner.com/UploadFile/pr.../RegExpPSD.aspx

http://regexlib.com/

http://www.regular-expressions.info/

http://en.wikipedia.org/wiki/Regular_expression

 

Benytter deg av et uttrykk til å trekke ut elementer i en text. Web siden er en lang tekst hvor du ved å bruke rett uttrykk kan få en array av hvert element i tabellen.

 

Dette kan være enkelt og det kan være svært komplisert.

 

Alternativ måte er å bruke .IndexOf og .Substring hele veien til å hente alt du er på jakt etter.

Endret 23. mars 2007 av wolf5

[Manfred]

Alternativ måte er å bruke .IndexOf og .Substring hele veien til å hente alt du er på jakt etter.

8221414[/snapback]

Dog er dette skikkelig grisete. hehe

 

Men det kommer litt an på hvordan Den siden du skal hente fra er bygget opp. Om det i det hele tatt er greit å sette opp et uttrykk for å matche det du skal hente ut, eller om dette er nesten umulig. I visse tilfeller kan faktisk IndexOf og Substring være det beste.

 

Eller enda enklere: Få et API av de som eier siden. De er nok ikke så glad for at du henter informasjon slik!

[aadnk]

Alternativ måte er å bruke .IndexOf og .Substring hele veien til å hente alt du er på jakt etter.

8221414[/snapback]

Ikke gjør dette dersom du skal hente mye informasjon. I min spede barndom som programmerer, før jeg visste noe om DOM eller SAX, gjorde jeg nettopp dette for å parse innholdet en nettside. Resultatet ble kode jeg vil si er verdig en WorseThanFailure-artikkel:

Klikk for å se/fjerne innholdet nedenfor

Public Sub GetHitlist()

 

' *** START ERROR HANDLER ***

On Error GoTo errHandler

If Err.Number <> 0 Then

errHandler: ErrorIn "GetHitlist()", Array(), EA_NORERAISE: HandleError: Exit Sub

End If

' *** BEGIN CODE ***

 

On Error Resume Next

Dim C&, A&, B&, D(1) As Long, E&, Tmp&

Dim Txt$, Tell&, Arr

 

HitList.ListItems.Clear

HitList.Visible = True

HitList.Sorted = False

AttackList.Visible = False

 

StopAttacking = True

AllStop = False

Tell = -1

C = 0

 

StatusBar1.Panels(1).Text = "Downloading hitlist...": DoEvents

DownloadFile Winsock1, "hitlist.php"

 

E = InStr(1, MainBuff, "Remove</b></td>")

If E <= 0 Then MsgBox "You are not in any crew!", vbCritical, "Error": StatusBar1.Panels(1).Text = "Not in any crew": Exit Sub

 

A = InStr(E + 1, MainBuff, "<tr>")

If A <= 0 Then MsgBox "Something went wrong! Please try again later", vbCritical, "Error in finding table":  Exit Sub

StatusBar1.Panels(1).Text = "Analyzing hitlist...": DoEvents

 

If MainBuff <> "" Then

 

Arr = Split(Mid(MainBuff, A), "<td")

MainBuff = ""

 

For B = LBound(Arr) + 1 To UBound(Arr)

 

D(0) = InStr(1, Arr(B), ">") + 1

D(1) = InStr(D(0), Arr(B), "</td>")

Txt = Mid(Arr(B), D(0), D(1) - D(0))

 

If C = 0 Then

HitList.ListItems.Add , , GetLinkName(Txt)

HitList.ListItems.Item(HitList.ListItems.count).Tag = strProfile & GetstrOutwarLink(Txt)

Tell = Tell + 1

End If

 

If C = 3 Then Txt = Val(GetLinkName(Txt))

If C = 4 Then Txt = GetLinkName(Txt)

 

If C > 0 And C < 5 Then

   

    If C = 1 Then

        Tmp = 0

       

        If InStr(1, UCase(Txt), "#00FFFF") <> 0 Then Tmp = 1

        If InStr(1, UCase(Txt), "#00FF00") <> 0 Then Tmp = 2

   

        HitList.ListItems.Item(HitList.ListItems.count).SmallIcon = Tmp + 1

       

        Tmp = InStr(1, Txt, ">") + 1

        Txt = Mid(Txt, Tmp, InStrRev(Txt, "</font>") - Tmp)

    End If

   

    HitList.ListItems.Item(HitList.ListItems.count).SubItems© = Txt

End If

 

C = C + 1

If C > 5 Then C = 0

Next

 

End If

 

StatusBar1.Panels(1).Text = "Finished downloading hitlist"

 

End Sub

Tilsvarende kode for alle sider og funksjoner var spredt utover hele prosjektet, med størst konsentrasjon i hovedformen (hvilket i seg selv utgjorde 86 kiB med kode). Jeg får frysninger bare med tanken på å refactorere koden.

Endret 23. mars 2007 av aadnk

[Wubbable]

Ja, ble til indexof og substrings ^^

[wolf5]

Alternativ er XML(DOM). Men en html side er vanligvis ikke XML kompatibel da mange HTML tagger ikke krever avsluttende tagger.

 

Det finnes biblioteker som kan transformere en HTML side til å følge XML standard. Dermed kan du bruke XmlDocument objektet til å lese inn siden. Og om du kan XML så vet du at XML er trestruktur basert, så da kan du bare gå nedover i treet til du finner rett node (tabellen) og lese alle barnenodene (radene).

 

Her er en link til en artikkel på TidyHTML som kan gjøre transformeringen:

http://www.devx.com/dotnet/Article/20505/0/page/1