Помогите с парсингом

[p0s1t1ve]

Пытаюсь спарсить страницу и получить данные по названию, размерам, цене, ссылкам на изображения и т.д. Проблема в том, что код страницы нестандартный и неясный для меня. Ссылка на страницу http://www.anfisa-bigsize.com/#!--113/c4dz Пробовал через конструктор действий- get - не вышло. Помогите пожалуйста!

 

[deksi]

Напиши точный список какие именно данные, я попробую сделать.

 

[p0s1t1ve]

Название
Размеры
Цена за 1 единицу
Количество в линейке (необязательно)
Вес линейки
Материал
Ссылки на большие фото

 

[deksi]

Данные на выходе хочешь получать в виде txt файла или excel? И еще вопрос, данные должны быть в формате Название Рубашка "клетка" или Рубашка "клетка"?

 

[p0s1t1ve]

Да вообще желательно сам способ парсинга получить, потому что мне нужно весь сайт спарсить и получить его в эксель файле. Соответственно название столбца будет "Название", а под ним Рубашка "клетка", Платье "Светлана" и т.д.

 

[VladZen]

Данные нужно парсить регулярками и складывать в таблицу. Например:
это регулярка для парсинга названия - (?<=<span\ style="font-size:24px;">).*?(?=</span></span></h1>)
Результат нужно сложить в переменную.
Аналогичным образом парсится размеры, цена и т.п. А затем нужно сложить все эти данные из переменных в таблицу добавлением строки.
Инструкции по составлению рег. выражений смотрите здесь - http://zennolab.com/wiki/ru:creating-a-regular-expressions

 

[ssXXXss]

(?<=<span\ style[^<]+">).*?(?=\ арт\.) // Название
(?<=Размеры[^<]+.*?(?=\ <) // Размеры
(?<=Цена\ за\ 1\ единицу:\ ).*?(?=</span>) // Цена за 1 единицу
(?<=Количество\ в\ линейке[^<]+.*?(?=</span>) // Количество в линейке
(?<=Вес\ линейки:\ ).*?(?=</span>) // Вес линейки
(?<=Материал:\ ).*?(?=</span>) // Материал
(?<=src=").*?\.jpg // Сылки на фото

 

[p0s1t1ve]

(?<=<span\ style[^<]+">).*?(?=\ арт\.) // Название
(?<=Размеры[^<]+.*?(?=\ <) // Размеры
(?<=Цена\ за\ 1\ единицу:\ ).*?(?=</span>) // Цена за 1 единицу
(?<=Количество\ в\ линейке[^<]+.*?(?=</span>) // Количество в линейке
(?<=Вес\ линейки:\ ).*?(?=</span>) // Вес линейки
(?<=Материал:\ ).*?(?=</span>) // Материал
(?<=src=").*?\.jpg // Сылки на фото

Спасибо, получал до этого исходный код через get-запрос, там вообще какая то чушь была. Получилось через данные -взять source

 

[ssXXXss]

надеюсь разберёшься

string res = project.Variables["response"].Value;
var res1 = System.Text.RegularExpressions.Regex.Match(res, @"(?<=<span\sstyle[^<]+"">).*?(?=\sарт\.)").Value;
project.Variables["name"].Value = res1; // название
var res2 = System.Text.RegularExpressions.Regex.Match(res, @"(?<=Размеры[^<]+;).*?(?=\s<)").Value;
project.Variables["size"].Value = res2; // размеры
var res3 = System.Text.RegularExpressions.Regex.Match(res, @"(?<=Цена\sза\s1\sединицу:\s).*?(?=</span>)").Value;
project.Variables["unit"].Value = res3; // цена за единицу
var res4 = System.Text.RegularExpressions.Regex.Match(res, @"(?<=Количество\sв\sлинейке[^<]+;).*?(?=</span>)").Value;
project.Variables["the_number"].Value = res4; // количество в линейке
var res5 = System.Text.RegularExpressions.Regex.Match(res, @"(?<=Вес\sлинейки:\s).*?(?=</span>)").Value;
project.Variables["weight"].Value = res5; // вес линейки
var res6 = System.Text.RegularExpressions.Regex.Match(res, @"(?<=Материал:\s).*?(?=</span>)").Value;
project.Variables["material"].Value = res6; // материал
//парсим сылки на и сохраняем в список
var regex = new Regex(@"(?<=src="").*?\.jpg");
var list = project.Lists["OutputList"];
regex.Matches(res).Cast<Match>().ToList().ForEach(m=>list.Add(m.Value));

 

[p0s1t1ve]

В исходном коде отображается только ссылка на одно изображение (которое появляется в слайде во время выгрузки кода). Как получить остальные?

 

[ssXXXss]

OutputList -- это список, сам лично проверял, все сылки там

 

[p0s1t1ve]

надеюсь разберёшься

string res = project.Variables["response"].Value;
var res1 = System.Text.RegularExpressions.Regex.Match(res, @"(?<=<span\sstyle[^<]+"">).*?(?=\sарт\.)").Value;
project.Variables["name"].Value = res1; // название
var res2 = System.Text.RegularExpressions.Regex.Match(res, @"(?<=Размеры[^<]+;).*?(?=\s<)").Value;
project.Variables["size"].Value = res2; // размеры
var res3 = System.Text.RegularExpressions.Regex.Match(res, @"(?<=Цена\sза\s1\sединицу:\s).*?(?=</span>)").Value;
project.Variables["unit"].Value = res3; // цена за единицу
var res4 = System.Text.RegularExpressions.Regex.Match(res, @"(?<=Количество\sв\sлинейке[^<]+;).*?(?=</span>)").Value;
project.Variables["the_number"].Value = res4; // количество в линейке
var res5 = System.Text.RegularExpressions.Regex.Match(res, @"(?<=Вес\sлинейки:\s).*?(?=</span>)").Value;
project.Variables["weight"].Value = res5; // вес линейки
var res6 = System.Text.RegularExpressions.Regex.Match(res, @"(?<=Материал:\s).*?(?=</span>)").Value;
project.Variables["material"].Value = res6; // материал
//парсим сылки на и сохраняем в список
var regex = new Regex(@"(?<=src="").*?\.jpg");
var list = project.Lists["OutputList"];
regex.Matches(res).Cast<Match>().ToList().ForEach(m=>list.Add(m.Value));

Я разобрался , спасибо. Но последняя регулярка со ссылками не совсем корректно работает. Она выгружает два изображения: одно ненужное, второе - только то, что мелькает в слайде во время считывания кода.

 

[ssXXXss]

В исходном коде отображается только ссылка на одно изображение (которое появляется в слайде во время выгрузки кода). Как получить остальные?

если про первый вариант, то брать всё и в список

 

[ssXXXss]

у меня всё нормально

 

[p0s1t1ve]

Спасибо, разобрался

 

[deksi]

Вот сделал простенький пример, шаблон через регулярку парсит значение каждого параметра и кладет в отдельную переменную.
Список переменных:

• name-название товара
• size-размер
• price-цена
• number-количество в линейке
• weight-вес линейки
• fabric-материал

С помощью переменных сможешь записать все данные в таблицу.
На счет картинок будет сложновато, так что я с ними не возился!
Вот качай и допилишь под себя https://yadi.sk/d/mNRKfwKxiZXb8
Могу в принцыпе сделать полностью шаблон такой ка тебе нужно но это уже не бесплатно.