Parsen einer Seite

homecineplexx

Hallo
Ich würde mir gerne jeden Montag in der Früh das Menü meines Fleischers auslesen lassen von deren Homepage und in bestimmte Datenpunkte schreiben lassen. Ich muss aber ehrlich gestehen, dass ich vom Parsen überhaupt keine Ahnung habe!

Hier die Seite: link text

Danke

Homoran

@homecineplexx um">(\w+)\..+cht">([\w\säöüß]+)<

Muss da aber nochmal ran

EDIT:
Nimm nur den hinteren Teil: cht">([\w\säöüß]+)< und mache dir 5 Regeln für Mo-Fr wobei du den NUM-Wert von 0-4 nimmst

Hier Freitag:

derAlff

@homoran @homecineplexx ich habe das mal eben durch den parser adapter gejagt... Funktioniert

Und den doppelten Eintrag übersehen wir bitte

Homoran

@deralff sagte in Parsen einer Seite:

Funktioniert

Natürlich!

Aber wenn da noch mehr rauskommen soll, geht das wahrscheinlich mit Skripten besser. Ist was für @liv-in-sky

Menükomplett.png
und wenn noch dasDatum ganz groß sein soll: um">([\w\d\s\,.]+).+cht">([\w\säöüß]+)<.+eis">([\d,]+)

Homoran

@deralff sagte in Parsen einer Seite:

Und den doppelten Eintrag übersehen wir bitte

Fridachs jitt et Fisch

liv-in-sky

@homecineplexx

bin ich wohl zu langsam

Image 5.png

hier mit script:

anleitung dazu - bitte siehe hier: https://forum.iobroker.net/post/750108


const cheerio = require('cheerio');

const axios=require('axios');
let myDPunkt="0_userdata.0.CONTROL-OWN.TABELLEN.GezeitenInSpanien"

let mySchedule1="  33 */8 * * * "; // alle 8 stunden bei minute 33

 schedule(mySchedule1,  function () {
 let myVarVar=mathRandomInt(10, 300);
// log("startet ");
 setTimeout(function() {
     log("jetzt "+myVarVar);
     holeDaten();

 }, myVarVar*1000);
 });

holeDaten();
function mathRandomInt(a, b) {
 if (a > b) {
   // Swap a and b to ensure a is smaller.
   var c = a;
   a = b;
   b = c;
 }
 return Math.floor(Math.random() * (b - a + 1) + a);
}

async function holeDaten() { 
   await axios.get('https://www.fleischerei-pfennigbauer.at/tagesgerichte.html', {
                   headers: { 'User-Agent':`Mozilla/5.0 (X11; CrOS x86_64 8172.45.0) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/51.0.2704.64 Safari/537.36` }
}).then((result) => {
        // log(result.data)
            const $ = cheerio.load(result.data)
                              const list5 = $('*')
                                                 .find('.ce_tagesgerichte.block')
                                                 .toArray()
                                                 .map(element => { return $(element).text()}); log(list5.length +"---"+list5)

                              let dayArr=['Mo','Di','Mi','Do','Fr','Sa','So'];
                              let jsonArr=[];let helper;
                              for(let i=0;i<list5.length;i++) {log(list5[i])

                                    if(!list5[i].includes("Gericht")) { helper=list5[i].replace(/(.*?)([0-9][0-9][0-9][0-9])(.*?)([0-9].* €)/,"$1$2 $3 $4")  ; 
                                    helper=helper.replace(/\\n/gm,"");log(helper);
                                                                      jsonArr.push({
                                                                                      "day":    helper,
                                                                                
                                                                                  })  }

} 
//log(JSON.stringify(jsonArr))   //hier in dp schreiben
//log("jetzt "+myVarVar);
setState(myDPunkt,JSON.stringify(jsonArr))
//if()

       }).catch((error) => {
           return error;
       })}

homecineplexx

ich danke euch für eure Hilfe und werd das gleich mal ausprobieren!!!

derAlff

@homoran said in Parsen einer Seite:

um">([\w\d\s,.]+).+cht">([\w\säöüß]+)<.+eis">([\d,]+)

Meinst du, du kannst mir bei einem regülären Ausdruck helfen?

Ich habe hier eine Webseite des luxemburgischen Staates, wo Preise für unter anderem Diesel angegeben werden. Wie sieht denn so ein Ausdruck aus, wenn ich nur 01/02/2022, 1,2607 und 1,475 aus der Tabelle

    <h3><strong>Dieselkraftstoff (/l)</strong></h3> 
<p>&nbsp;</p> 
<div class="table--container">
 <table border="1"> 
  <tbody> 
   <tr> 
    <td>&nbsp;</td> 
    <th><strong>Ab</strong></th> 
    <th><strong>ohne MwSt.</strong></th> 
    <th><strong>inkl. MwSt.</strong></th> 
    <th><strong>MwSt-Satz</strong></th> 
   </tr> 
   <tr> 
    <th><p>Tankstelle</p> </th> 
    <td width="83">01/02/2022</td> 
    <td>1,2607</td> 
    <td>1,475</td> 
    <td><p>17</p> </td> 
   </tr> 
  </tbody> 
 </table>
</div>

der Webseite haben möchte?

Homoran

@deralff sagte in Parsen einer Seite:

wenn ich nur 01/02/2022,

telle[^"]+[^>]+>([\d\/]+)

@deralff sagte in Parsen einer Seite:

1,2607 u

telle[^"]+[^<]+[^>]+>[^>]+>([\d\,]+)

@deralff sagte in Parsen einer Seite:

und 1,475 aus der Tabelle

telle[^"]+[^\,]+[^>]+[^\d]+([\d\,]+) NUM=0

Quick and dirty

derAlff

@homoran ja cool

Ich glaube, die regulären Ausdrücke werde ich nie verstehen. Da ahbe ich wirklich respekt vor den Leuten, die das können.

Die Tabelle ist nun für Dieselkraftstoff... in den anderen Tabellen auf der Seite existiert das Tag <p>Tankstelle</p> jetzt zum Glück nicht. Wie sieht das denn aus, wenn ich das von dem Tag <h3><strong>Dieselkraftstoff (/l)</strong></h3> abhängig machen möchte?

EDIT: Hat sich erledigt. Einfach "telle" durch "stoff" ersetzen, dann wird alles berücksichtigt

Homoran

@deralff sagte in Parsen einer Seite:

in den anderen Tabellen auf der Seite existiert das Tag <p>Tankstelle</p> jetzt zum Glück nicht

warum meinst du habe ich das genommen
deswegen brauche ich auch immer den gesamten Quelltext einer Seite

und wenn du beim zweiten Preis (oder überall) noch ks voransetzt hast du dort auch nur einen Treffer

auch EDIT:
Da hast du aber unheimliches Glück gehabt.
Der Kraftstoff liegt einige Zeilen über der Tankstelle.

Dass dann die nächste Sprungmarke " dabei nicht noch einmal aufgetreten ist, ist schon fast ein Wunder

derAlff

@homoran du musst wissen, ich kann RegEx einfach nicht. Das Interesse wurde eig. nur durch den ioBroker geweckt ... bzw. viel mehr durch diesen Topic hier.

Versuche mich momentan in RegEx einzuarbeiten... das ist allerdings recht mühsam

Ich bin dir jedenfalls sehr sehr dankbar, dass du mir hierbei geholfen hast.
Jetzt muss ich das nurnoch verstehen. Dafür ist das hier allerdings der falsche Topic

Homoran

@deralff sagte in Parsen einer Seite:

ich kann RegEx einfach nicht. Das Interesse wurde eig. nur durch den ioBroker geweckt

ging mir genauso

Aber im Gegensatz zu Javascript, wo ich zwar weiß was ich will, oft auch Skripte nachvollziehen kann, aber die Syntax einfach nicht hinbekomme, schaffe ich es hier, weil es keine komplexe Syntax gibt.

@deralff sagte in Parsen einer Seite:

Jetzt muss ich das nurnoch verstehen. Dafür ist das hier allerdings der falsche Topic

Das mit dem verstehen ist das einfachste, aber du musst auch zusehen, dass du die Preise als Nummer mit Komma einpflegst und was du mit dem Datum machst weiß ich gar nicht

Versteh mal :

Ankerpunkt (möglichst eindeutig und möglichst diccht an dem gesuchten Wert) suchen: kstelle
den Weg zum gewünschten Wert irgendwie eindeutig definieren, erschwerend kommt dazu, dass der ioBroker Parser Zeilenumbrüche (\n) nicht kennt. Also Haltepunkte finden die nicht so häufig vorkommen, hier ", also das erste Auftreten finden: [^"]+ (wörtlich: suche Zeichen dass nicht ([^]) das genannte (") ist - beliebig oft (+) )
solange mit diesen Haltepunkten weiterhangeln: [^\,]+[^>]
bis man an die Zahlen kommt, die man will: +[^\d]+
und diese dann als Gruppe deklarieren: ([\d\,]+) wobei die Zahlen hier aus Ziffern und Komma bestehen

derAlff

@homoran hehe, danke für die Erklärung.

Ich versuche dann mal sebstständig an den Steuersatz heran zu kommen.

Zu dem Datum: In Luxemburg sind die Preise an allen Tankstellen gleich, und werden einen Tag vor Preisänderung auf dieser Webseite aktualisiert. Ich reagieren dann einfach auf das Datum und lasse mir das anzeigen bzw. sende mir dann mit meinem signal-cmb Adapter eine Signal Nachricht zu

Homoran

@deralff sagte in Parsen einer Seite:

Ich versuche dann mal sebstständig an den Steuersatz heran zu kommen.

Lass dich nicht veräppeln, das ist wirklich viel einfacher

kstelle[^p]+p[^+p]+..(\d+)

aber das schaffst du!

derAlff

@homoran

@homoran said in Parsen einer Seite:

kstelle[^p]+p[^+p]+..(\d+)

Hehe, mein RexEx ist doppelt so lang

Aaaaaaber ich bin dahin gekommen wo ich hin wollte

Homoran

@deralff sagte in Parsen einer Seite:

Hehe, mein RexEx ist doppelt so lang

das hatte ich mir gedacht

Aaaaaaber ich bin dahin gekommen wo ich hin wollte

das auch!
Und das ist das wichtigste. Finetuning kommt mit der Zeit

Super!

OliverIO

@deralff

cih glaube ich hatte mal so eine grundlegende anleitung geschrieben, wie jeder das richtige regex pattern finden kann.

bei regex101.com die datenquelle bei test eintragen
möglichst kurzen aber eindeutigen string aus der datenquelle suchen
den variablen anteil, den man am ende haben möchte eine Klammer setzen ()
dann diesen Anteil mit Tokens ersetzen. dazu sollte man sich erstmal an die folgenden Tokens halten
a) Meta sequenzen wie bspw \d=digit \w=word \s=whitespace
b) Quantifier: die angeben, wie oft ein Zeichen/Squenz sich wiederholen darf +*?
c) common tokens: wie auswahllisten [a-z] oder alternativen a|b
oder ausschlüsse [^a-z]

damit kommt man schon extrem weit. regex101 hat auch den vorteil, das er die sequenz sprachlich aufteilt und genauer erklärt

Nur bei der übernahme nach iobroker hapert es manchmal, da man im iobroker die optionen nicht genau so übernehmen kann und die interne logik zu den optionen nicht immer ganz einleuchtend ist

derAlff

@homoran ich hänge mich da nochmal dran

Und Danke nochmal

@OliverIO ja, die Seite nutze ich auch. Ich denke, mit den Tipps von euch beiden, kann ich da auch Recht viel lernen

homecineplexx

ich muss mich da wieder mal an euch wenden, ich bin fürs Parsen leider echt zu d***.
Vor allem das Skript von @liv-in-sky wäre da wahrscheinlich interessant zu erweitern.
Ich hätte gern von folgender Page link text die ersten 5 Ergebnisse von mir aus als Object in einem Datenpunkt zb so

{'id': 'Jet-Hornerstrasse xy', 'Diesel':'1,999|15.03|07:05', 'Benzin:1,899|15:03|07:05'}

Dann könnte ich damit arbeiten. Gibts da was einfaches? vor allem mitn Parser möcht ich das nicht unbedingt machen, da ichs gern per Scheduler dann allo 0,30 Minuten einer Stunde holen möchte.

Danke glg

NEWS

Parsen einer Seite

Support us

815
Online

32.1k
Users

80.6k
Topics

1.3m
Posts

NEWS

Parsen einer Seite

Support us

815Online

32.1kUsers

80.6kTopics

1.3mPosts

815
Online

32.1k
Users

80.6k
Topics

1.3m
Posts