Slette HTML og finde tal

Skal vi ikke lige holde alle oplysningerne i det samme spørgsmål?

Fra: http://www.eksperten.dk/spm/726303

> Nu har jeg lige fået lavet mig denne kode...
> Men vil gerne kun have de resultater der er formateret således på siden: 6.195,50 (f.eks.)
> Og evt. en reg-kode hvor den sletter alle html-koder dvs. alt inden for < og > ??

> Men vil gerne kun have de resultater der er formateret således på siden: 6.195,50 (f.eks.)

Prøv med dette pattern:

re.Pattern = "\d{1,3}(\.\d{3})*(,\d+)"

Derefter skal du have slettet punktummerne og efterfølgende have omdannet kommaet til et punktum (ellers vil ASP ikke lege med):

tal = Replace(tal, ".", "")
tal = Replace(tal, ",", ".")

> Og evt. en reg-kode hvor den sletter alle html-koder dvs. alt inden for < og > ??

Set re = New RegExp
re.Global = True
re.Pattern = "<.*?>"

kode = re.Replace(kode, "")

Hvordan kan jeg implanmentere det i scriptet...?

Noget i denne stil:

Set Req = Server.CreateObject("Msxml2.ServerXMLHTTP")
Req.Open "GET", url, False
Req.Send

Set re = New RegExp
re.Global = True
re.Pattern = "\d{1,3}(\.\d{3})*(,\d+)"

Set matches = re.Execute(Req.ResponseText)

If matches.Count > 0 Then
    tal = matches(0)
    tal = Replace(tal, ".", "")
    tal = Replace(tal, ",", ".")

    smallest = tal
    largest = tal

    For i=1 To matches.Count-1
        tal = matches(i)
        tal = Replace(tal, ".", "")
        tal = Replace(tal, ",", ".")
        tal = +tal       

        If tal < smallest Then
            smallest = tal
        ElseIf tal > largest Then
            largest = tal
        End If
    Next

    Response.Write "Mindste: " & smallest & "<br>"
    Response.Write "Største: " & largest & "<br>"
End If

Hvad hvis jeg skal have den funktion: "- Hvis det er muligt så også finde indholdet mellem ordet: "tekst12" og "tekst13" ??"

Kan du give et eksempel på hvordan du ønsker at kombinere dennne med det ovenstående?

Så den først indskrænker området mellem "tekst12" og "tekst13" og så køre den scriptet du lige fik lavet 17:18:04

Noget i denne stil:

Set Req = Server.CreateObject("Msxml2.ServerXMLHTTP")
Req.Open "GET", url, False
Req.Send

Set re = New RegExp
re.Global = True

re.Pattern = "tekst12(.*)tekst13"
text = re.Replace(Req.ResponseText, "$1")

re.Pattern = "\d{1,3}(\.\d{3})*(,\d+)"
Set matches = re.Execute(text)

If matches.Count > 0 Then
    tal = matches(0)
    tal = Replace(tal, ".", "")
    tal = Replace(tal, ",", ".")

    smallest = tal
    largest = tal

    For i=1 To matches.Count-1
        tal = matches(i)
        tal = Replace(tal, ".", "")
        tal = Replace(tal, ",", ".")
        tal = +tal       

        If tal < smallest Then
            smallest = tal
        ElseIf tal > largest Then
            largest = tal
        End If
    Next

    Response.Write "Mindste: " & smallest & "<br>"
    Response.Write "Største: " & largest & "<br>"
End If

det virker ikke... der kommer stadig de samme resultater som i 17:18:04

Det burde der altså ikke.

Men prøv da med noget debug udskrivning:

Set Req = Server.CreateObject("Msxml2.ServerXMLHTTP")
Req.Open "GET", url, False
Req.Send
text = Req.ResponseText

Set re = New RegExp
re.Global = True

Response.Write "DEBUG (før): " & text & "<hr><br>"

re.Pattern = "tekst12(.*)tekst13"
text = re.Replace(text, "$1")

Response.Write "DEBUG (efter): " & text & "<hr><br>"

re.Pattern = "\d{1,3}(\.\d{3})*(,\d+)"
Set matches = re.Execute(text)

If matches.Count > 0 Then
    tal = matches(0)
    tal = Replace(tal, ".", "")
    tal = Replace(tal, ",", ".")

    smallest = tal
    largest = tal

    For i=1 To matches.Count-1
        tal = matches(i)
        tal = Replace(tal, ".", "")
        tal = Replace(tal, ",", ".")
        tal = +tal       

        If tal < smallest Then
            smallest = tal
        ElseIf tal > largest Then
            largest = tal
        End If
    Next

    Response.Write "Mindste: " & smallest & "<br>"
    Response.Write "Største: " & largest & "<br>"
End If

Den debug'er det samme... både før og efter...

Prøv at ændre denne:

re.Pattern = "tekst12(.*)tekst13"

til:

re.Pattern = ".*?tekst12(.*)tekst13.*?"

Du kan se her...: http://www.mollo.dk/script/36/1.asp

Og min kode nøjaktige kode ser sådan ud...:

-------------------------------------------------------
url = "http://www.elvvs.dk/search.php?query=EL-5450-5"
set Req = Server.CreateObject("Msxml2.ServerXMLHTTP")
Req.open "GET", url, False
Req.Send



text = Req.ResponseText

Set re = New RegExp
re.Global = True

Response.Write "DEBUG (før): " & text & "<hr><br>"

re.Pattern = ".*?Søgningen i info efter(.*)Søgningen i shoppen efter.*?"
text = re.Replace(text, "$1")

Response.Write "DEBUG (efter): " & text & "<hr><br>"

re.Pattern = "\d{1,3}(\.\d{3})*(,\d+)"
Set matches = re.Execute(text)

If matches.Count > 0 Then
    tal = matches(0)
    tal = Replace(tal, ".", "")
    tal = Replace(tal, ",", ".")

    smallest = tal
    largest = tal

    For i=1 To matches.Count-1
        tal = matches(i)
        tal = Replace(tal, ".", "")
        tal = Replace(tal, ",", ".")
        tal = +tal

        If tal < smallest Then
            smallest = tal
        ElseIf tal > largest Then
            largest = tal
        End If
    Next

    Response.Write "Mindste: " & smallest & "<br>"
    Response.Write "Største: " & largest & "<br>"
End If

Nu har du vel spurgt hos:

http://www.elvvs.dk

om det er i orden med dem at du laver screen-scraping hos dem? Hvis ikke er du meget tæt på lovens rand. Blot så at du er advaret!

...

Så vidt jeg kan bedømme er det 'ø' som muligvis giver problemer. Prøv derfor med:

re.Pattern = ".*?S.gningen i info efter(.*?)S.gningen i shoppen efter.*?"

Jeg for self. de nødvendige tilladelser...

Men det giver stadig de samme resultater... :( stadig på: "http://www.mollo.dk/script/36/1.asp"

Mystisk.

Et spørgsmål: Hvis du søger på forskellige produkter, vil der så ikke altid kun vøre et hit? Hvid set er tilføldet kan du vel søge efter:

Pris excl. moms: <beløb nr 1> DKK
Pris incl. moms: <beløb nr 2> DKK

I stedetfor al den gymnastik med at udlede det største og det mindste tal?

vøre => være

Du mener at søge efter "Pris excl. moms" og "Pris incl. moms" ikke ?

Vil hellere have det mindste og største... Så det lidt mere universalt... hvis jeg nu skal gøre det på andre sider også...

Sikker på det?

Hvis der er mere end to produkter på en side:

Produkt 1:
Uden moms 1000
Med moms 1250

Produkt 2:
Uden moms 1200
Med moms 1500

Så får du jo Minimum=1000 og Maksimum=1500 - men det er jo to forskellige produkter de to tal referere til.

Men f.eks. på datatel's side: "http://shop.datatelpartner.dk/shop/advanced_search_result.php?keywords=1023870&osCsid=46ce513a15aa2e8c390868f750099c38&x=20&y=10"

Der skal jeg jo have fat i denne pris: "2.449,00"

Jeg kan ikke se siden - den kræver login.

http://shop.datatelpartner.dk/shop/advanced_search_result.php?keywords=1023870

Skriver tilbage efter maden...

kan du se denne side...

Ja, men på den er der et andet problem:

[GA-N680SLI-DQ6] nF680SLi 775ATX FS1333 4DDR2-800 3+1PCIE 3PCI 1
2.449,00

Hvordan skelner du prisen fra alle tallene i produkt-oplysningerne?

... og hvordan ved du om prisen er angivet med eller uden moms?

Som jeg har forstået så finder den kun tallene med f.eks. denne formatering: "1.200,50"

Eller hvad ?

Det er jo ikke alle priser som er oppe i 1000'erne... Desuden er der ikke nogen grænse på "øre-beløbet". Den vil derfor også match sådan noget som 3,5 som lige så godt kunne være betegnelsen for en floppy diskette som et kroner og øre beløb.

Desuden er der stadig problemstillingen omkring hvorvidt et givent beløb er med eller uden moms.

Personligt ville jeg aldrig satse på at kunne finde en løsning som g´jaldt for samtlige sider jeg kunne finde på at bruge den imod. Jeg ville kave en sægeskabelon pr. side.

Nu på: "http://www.mollo.dk/script/36/1.asp" har jeg lavet den til at chekke filen "2.asp"

Der kan jeg godt se den ikke tæller 11.200,00 med, men alle de andre virker jo fint...

Løsnignen på det problem... kan man så ikke lede efter de tal der ender på 2 ciffer efter et komma ??

Løsningen på problemmet med med og uden moms er klaret... (brugern skal godkende enten den høje eller den lave pris...) :)

Kunne dette ikke være en løsning ?

> Der kan jeg godt se den ikke tæller 11.200,00 med, men alle de andre virker jo fint...

Det forstår jeg nu ikke - det burde den.

> Løsnignen på det problem... kan man så ikke lede efter de tal der ender på 2 ciffer efter et komma ??

Det kan du gøre med dette pattern:

re.Pattern = "\d{1,3}(\.\d{3})*,\d{2}"

> Løsningen på problemmet med med og uden moms er klaret... (brugern skal godkende enten den høje eller den lave pris...) :)

På linket:

http://shop.datatelpartner.dk/shop/advanced_search_result.php?keywords=1023870

er der kun een pris. Hvordan skal nogen kunne finde ud af om det er med eller uden moms uden at kende til den side hvor beløbet kommer fra?

>er der kun een pris. Hvordan skal nogen kunne finde ud af om det er med eller uden moms uden at kende til den side hvor beløbet kommer fra?

Begge tal, både det største og det mindste kommer ind i mit system... men kun det med moms bliver vist til brugeren... (administratoren for siden exempelvis: fra datatel forudbestemmer hvilke priser der findes hvor...) - så det er ingen problem... :)

Tja, nu har jeg da forsøgt at advare dig: Jeg tror at der kommer et eller andet tidspunkt hvor dit system vil fejle. :^|

...

Hvis vi lige hopper tilbage til det oprindelige problem i 16/09-2007 14:19:32 så tror jeg at det måske kan klares ved at du ændre:

re.Pattern = ".*?S.gningen i info efter(.*?)S.gningen i shoppen efter.*?"

til:

re.Pattern = ".*?S.*?gningen i info efter(.*?)S.*?gningen i shoppen efter.*?"

Viker heller ikke... :/

Det må være noget med encoding - hvordan ø'er er repræsenteret.

Hvad sker der hvis man forsøger at undgå den helt:

re.Pattern = ".*?gningen i info efter(.*?)gningen i shoppen efter.*?"

Tror ikke det er noget med æøå... Virker ikke...

Det burde det - og det virker skam også for mig når jeg prøver det i andre sprog som f.eks. C#.

Hvordan ser din kode ud?

url = "http://www.elvvs.dk/search.php?query=EL-5450-5"
set Req = Server.CreateObject("Msxml2.ServerXMLHTTP")
Req.open "GET", url, False
Req.Send



text = Req.ResponseText

Set re = New RegExp
re.Global = True

Response.Write "DEBUG (før): " & text & "<hr><br>"

re.Pattern = ".*?gningen i info efter(.*?)gningen i shoppen efter.*?"
text = re.Replace(text, "$1")

Response.Write "DEBUG (efter): " & text & "<hr><br>"


re.Pattern = "\d{1,3}(\.\d{3})*,\d{2}"
Set matches = re.Execute(text)

If matches.Count > 0 Then
    tal = matches(0)
    tal = Replace(tal, ".", "")
    tal = Replace(tal, ",", ".")

    smallest = tal
    largest = tal

    For i=1 To matches.Count-1
        tal = matches(i)
        tal = Replace(tal, ".", "")
        tal = Replace(tal, ",", ".")
        tal = +tal

        Response.Write tal&"<br>"

        If tal < smallest Then
            smallest = tal
        ElseIf tal > largest Then
            largest = tal
        End If
    Next

    Response.Write "Mindste: " & smallest & "<br>"
    Response.Write "Største: " & largest & "<br>"
End If

Virker det også i asp med dig så ?

Jeg har desværre ikke lige nogen ASP server at uploade på. Det burde dog virke på ASP - det er rimeligt lige-ud regexp uden det store avancerede...

Hvad kan der så være galt med scriptet ?

Mit sidste bud:

url = "http://www.elvvs.dk/search.php?query=EL-5450-5"
Set Req = Server.CreateObject("Msxml2.ServerXMLHTTP")
Req.Open "GET", url, False
Req.Send
text = Req.ResponseText

Set re = New RegExp
re.Global = True
re.IgnoreCase = True

Response.Write "DEBUG (før): " & text & "<hr><br>"

re.Pattern = ".*?i info efter(.*?)i shoppen efter.*?"
text = re.Replace(text, "$1")

Response.Write "DEBUG (efter): " & text & "<hr><br>"


re.Pattern = "\d{1,3}(\.\d{3})*,\d{2}"
Set matches = re.Execute(text)

If matches.Count > 0 Then
    tal = matches(0)
    tal = Replace(tal, ".", "")
    tal = Replace(tal, ",", ".")

    smallest = tal
    largest = tal

    For i=1 To matches.Count-1
        tal = matches(i)
        tal = Replace(tal, ".", "")
        tal = Replace(tal, ",", ".")
        tal = +tal

        Response.Write tal & "<br>"

        If tal < smallest Then
            smallest = tal
        ElseIf tal > largest Then
            largest = tal
        End If
    Next

    Response.Write "Mindste: " & smallest & "<br>"
    Response.Write "Største: " & largest & "<br>"
End If

Hehe.. ved ikke helt hvad der er galt... Men det virker stadig ikke...
Ved du hvorfor den ikke tager det første tal med i beregningen for størreste og mindste værdi ?

Hvad er patternet til at slette alle HTML-koder dvs. inden for < og > ??

Måske skulle vi ikke fokusere så meget på at klare alts sammen vie regexp.

Hvad med at bruge InStr til at finde positionen af "tekst1" og "tekst2" og så bruge Mid() til at klippe det relevante stykke tekst ud?

Men vi skal stadig bruge funktionen til at finde tal ikke ? - Der kan den jo ikke finde det første tal !!

Lad os nu tage et problem ad gangen. Har du noget bud på hvordan du kunne gøre 17/09-2007 21:15:25?

Har siddet lidt med det og mit bud ville være, nedenstående... men syntes ikke rigtig det virker...:

<%
url = "http://www.elvvs.dk/search.php?query=EL-5450-5"
Set Req = Server.CreateObject("Msxml2.ServerXMLHTTP")
Req.Open "GET", url, False
Req.Send
text = Req.ResponseText

Set re = New RegExp
re.Global = True
re.IgnoreCase = True

Response.Write "DEBUG (før): " & text & "<hr><br>"


tekst_1 = "i info efter"
tekst_2 = "i shoppen efter"

tekst_1_pos=InStr(text,tekst_1)
tekst_2_pos=InStr(text,tekst_2)

tekst_1 = Left(text,tekst_1_pos)
tekst_2 = Right(text,tekst_2_pos)

text = Replace(text,tekst_1,"")
text = Replace(text,tekst_2,"")


Response.Write "DEBUG (efter): " & text & "<hr><br>"


re.Pattern = "\d{1,3}(\.\d{3})*,\d{2}"
Set matches = re.Execute(text)

If matches.Count > 0 Then
    tal = matches(0)
    tal = Replace(tal, ".", "")
    tal = Replace(tal, ",", ".")

    smallest = tal
    largest = tal

    For i=1 To matches.Count-1
        tal = matches(i)
        tal = Replace(tal, ".", "")
        tal = Replace(tal, ",", ".")
        tal = +tal

        Response.Write tal & "<br>"

        If tal < smallest Then
            smallest = tal
        ElseIf tal > largest Then
            largest = tal
        End If
    Next

    Response.Write "Mindste: " & smallest & "<br>"
    Response.Write "Største: " & largest & "<br>"
End If
%>

SKal lige siges at jeg har flyttet ekspemplet til "http://www.mollo.dk/script/36/4.asp"

Dine:

tekst_1 = "i info efter"
tekst_2 = "i shoppen efter"

tekst_1_pos=InStr(text,tekst_1)
tekst_2_pos=InStr(text,tekst_2)

tekst_1 = Left(text,tekst_1_pos)
tekst_2 = Right(text,tekst_2_pos)

text = Replace(text,tekst_1,"")
text = Replace(text,tekst_2,"")

... skal rettes til

tekst_1 = "i info efter"
tekst_2 = "i shoppen efter"

tekst_1_pos = InStr(tekst_1, text)
tekst_2_pos = InStr(tekst_2, text)

text = Mid(text, tekst_1_pos, tekst_2_pos-tekst_1_pos)

Invalid procedure call or argument: 'Mid'

Prøv lige at udskrive nærdierne af tekst_1_pos og tekst_2_pos.

Fik lige leget lidt med det... (kan du se)
Fejlen var..:

tekst_1_pos = InStr(tekst_1, text)
tekst_2_pos = InStr(tekst_2, text)

til...

tekst_1_pos = InStr(text, tekst_1)
tekst_2_pos = InStr(text, tekst_2)

Det lader da til det virker kanon nu var ?
Du kan ikke se at der skulle være noget galt lige umidbart vel ? :)

Min fejl ... det var mig som byttede om på dem. :^|

> http://www.mollo.dk/script/36/4.asp

Siden kan ikke vises.

Den virker helt fint hos mig...

Jeg må have testet mens du var ved at uploade eller noget i den stil :^)

Smutter for i dag. 'nat. :^)

1000 tak for hjælpen... Hvis du lægger et svar godkender jeg... Sig til hvis du vil ha lidt ektra point for den goe ydelse... :)

Du får et svar :^)

Men havde du ikke et par spørgsmål mere undervejs?

Hvilket spørgsmål ?

F.eks. fra 17/09-2007 21:11:18 - men de er måske ikke aktuelle mere?

Jow... hvis du lige har den med < og > på hånden...
For det andet med den første værdi der... den virker nu... virker perfekt...

Men har du det andet Pattern der så ville jeg da gerne ha det... :)

Værsgod:

re.Pattern = "<[^>]*>"
text = re.Replace(text, "")

Jeg siger 1.000 tak for hjælpen...