Comment analyser les balises HTML avec REBOL?

Question

J'ai une page Web que j'ai chargé avec le chargement/balisage. J'ai besoin d'analyser un tas de choses, mais certaines des données sont dans les balises. Des idées de comment je peux l'analyser? Voici un échantillon de ce que j'ai (et essayé) jusqu'à présent:

REBOL [] 

mess: { 
<td>Bob Sockaway</td> 
<td><a href=mailto:bsockaway@example.com>bsockaway@example.com</a></td> 
<td>9999</td> 
} 

rules: [ 
    some [ 
     ; The expression below /will/ work, but is useless because of specificity. 
     ; <td> <a href=mailto:bsockaway@example.com> s: string! </a> (print s/1) </td> | 

     ; The expression below will not work, because <a> doesn't match <a mailto=...> 
     ; <td> <a> s: string! </a> (print s/1) </td> | 

     <td> s: string! (print s/1) </td> | 

     tag! | string! ; Catch any leftovers. 
    ] 
] 

parse règles du mess charge/marge bénéficiaire

Ce produit:

Bob Sockaway 
9999 

je voudrais voir quelque chose de plus comme:

Bob Sockaway 
bsockaway@example.com 
9999 

Des pensées? Merci!

Remarque! Pour ce que ça vaut, je suis venu avec un bon ensemble de règles simples qui obtenir les résultats souhaités:

rules: [ 
    some [ 
     <td> any [tag!] s: string! (print s/1) any [tag!] </td> | 
     tag! | string! ; Catch any leftovers. 
    ] 
] 

Answer 1

Lorsque mess est traité avec LOAD/MARKUP vous obtenez ceci (et je l'ai formaté + a commenté les types):

[ 
    ; string! 
    "^/" 

    ; tag! string! tag! 
    <td> "Bob Sockaway" </td> 

    ; string! 
    "^/" 

    ; tag! tag! 
    ;  string! 
    ; tag! tag! 
    <td> <a href=mailto:bsockaway@example.com> 
     "bsockaway@example.com" 
    </a> </td> 

    ; (Note: you didn't put the anchor's href in quotes above...) 

    ; string! 
    "^/" 

    ; tag! string! tag! 
    <td> "9999" </td> 

    ; string! 
    "^/" 
] 

Votre motif de sortie correspond à la série de la forme [<td> string! </td>] mais pas les choses de la forme [<td> tag! string! tag! </td>]. En écartant la question posée dans votre titre, vous pourriez résoudre ce dilemme particulier de plusieurs façons. On pourrait être de maintenir un compte si vous êtes à l'intérieur d'une balise TD et imprimer toutes les chaînes lorsque le nombre est non nul:

rules: [ 
    (td-count: 0) 
    some [ 
     ; if we see an open TD tag, increment a counter 
     <td> (++ td-count) 
     | 
     ; if we see a close TD tag, decrement a counter 
     </td> (-- td-count) 
     | 
     ; capture parse position in s if we find a string 
     ; and if counter is > 0 then print the first element at 
     ; the parse position (e.g. the string we just found) 
     s: string! (if td-count > 0 [print s/1]) 
     | 
     ; if we find any non-TD tags, match them so the 
     ; parser will continue along but don't run any code 
     tag! 
    ] 
] 

Cela produit la sortie que vous avez demandé:

Bob Sockaway 
bsockaway@example.com 
9999 

Mais vous vouliez également savoir, en substance, si vous pouviez effectuer une transition vers l'analyse de chaînes à partir de l'analyse de blocs dans le même ensemble de règles (sans passer directement au code ouvert). Je l'ai regardé "analyse mixte" semble être une fonctionnalité abordée dans Rebol 3. Pourtant, je ne pouvais pas le faire fonctionner en pratique. J'ai donc posé une question à moi.

How to mix together string parsing and block parsing in the same rule?

Answer 2

Je pense avoir trouvé une solution assez bonne. Il se peut que vous deviez généraliser si vous aviez beaucoup de tags différents dont vous avez besoin des attributs.

que je cherchais l'attribut id de la balise de requête !:

<query id="5"> 

Dans la règle d'analyse syntaxique pour la balise !, je l'ai fait:

| set t tag! (
    p: make block! t 
    if p/1 = 'query [_qid: to-integer p/3] 
) 

Plus de tags à regarder, je 'd cas d'utilisation. Et peut-être ce serait mieux de mettre _qid

to-integer select p 'id= 

J'ai fini par avoir besoin d'analyser une autre balise, ce qui est un beau modèle général

switch p/1 [ 
    field [_fid: to-integer p/id= _field_type: p/field_type=] 
    query [_qid: to-integer p/id=] 
]