Web bots y 'toa la pesca', ese tema interesante y desconocido

[papulo]

Bueno bueno,

como lo haríais para analizar tablas dentro de tablas dentro de tablas (repetir n veces), la forma que tengo de analizar las webs, es primero buscar una "marca del tesoro", una cadena de texto que identifique el elemento contenedor de los datos que necesito extraer; puede ser un título o una cosa similar, exclusiva al 100%.

Adjunto un fichero de ejemplo, donde quiero sacar los datos "Equivalencias":

<td valign="top" colspan="2" class="textos">
HITACHI:<br>
S114-850, -A,-B,-C<br>
OPEL:<br>
1202033<br>
1202146<br>
1202161</td>

También adjunto las dos librerías que usan en el libro para trabajar.

De hecho, ahora usaba la función

Código PHP:

$text_html = "<div>...</div>"; //el texto html para analizar
$delimitador_inicio = "<table";
$delimitacion_final = "</table>";
$tablas = parse_array($text_html, $delimitador_inicio, $delimitacion_final); 


La teoría dice que con esta llamada, tendría todas las tablas existentes en el código dentro de un array pero veo que se hace la picha un lío la pobre.

Un ejemplo de programa en PHP:

Código PHP:

<?php

require_once 'LIB_http.php';
require_once 'LIB_parse.php';

set_time_limit(0);

$web_source = file_get_contents("http://localhost/SkyNet/html/robots/table/dummy.html");

$table_array = parse_array($web_source, "<table", "</table>");

print_r($table_array);

for ($xx = 0; $xx < count($table_array); $xx++) {
    $marca_tabla = "Equivalencias";
    if (stristr($table_array[$xx], $marca_tabla)) {
        $product_row_array = parse_array($table_array[$xx], "<tr", "</tr>");
        for ($table_row = 0; $table_row < count($product_row_array); $table_row++) {
            if (stristr($product_row_array[$table_row], $marca)) {
                $product_cell_array = parse_array($product_row_array[$table_row], "<td", "</td>");
            }
        }
    }
}
?>

Al final el array con las tablas anda manco.

[[Al González]]

Gracias por adjuntar esas bibliotecas (por un momento creí que sugerías que saliéramos a comprar algún libro). Veo que están en PHP, ¿te es válida también una solución en Delphi?

[papulo]

Pues ando buscando, en este caso concreto, desarrollar con PHP/cURL, luego, si tuviera que cambiar de lenguaje usaría Python, que está muy bien enfocado.

De todas maneras, las soluciones teóricas son aplicables a cualquier lenguaje, jejeje.

PD: El libro lo tienes por internet para descargarlo, lo recomiendo encarecidamente.

[papulo]

A parte, intento que sea lo mas multiplataforma posible. Trabajo con Ubuntu y valoro mucho ese aspecto.