HTML bestand met data omzetten naar database

[veryip]

Probleem:

Een groot tekstbestand met daarin een brei aan codes & informatie en daar tussenin staan een aantal regels data "verstopt" die in principe in een excelbestandje terecht moeten gaan komen:

data tussen alle rommel:

code:

<tr>
        <td nowrap align="right"><font ID="intraleden">Werkadres:</font></td><td colspan="4">[b]op de zaak[/b]</td>
    </tr>
    <tr>
        <td align="right"><font ID="intraleden">Adres:</font></td><td>adressenstaat 1</td>
    </tr>
    <tr>
        <td align="right"><font ID="intraleden">Postcode:</font></td><td>9999 aa</td>
    </tr>
    <tr>
        <td align="right"><font ID="intraleden">Woonplaats:</font></td><td>werkstad</td>
    </tr>
    <tr>

Bestaat er een proggie om die waardes eruit te halen en het liefst dus in een excelbestand oid te zetten?

Let wel; hieromheen staat dus wel de wereld aan programmeertaal etc. waar ik in principe niets mee wil; alleen dus de data eruit.

Kan iemand mij hierbij helpen?

[ Voor 17% gewijzigd door veryip op 13-10-2005 23:33 ]

[Wouter Tinus]

Gewoon de tabel in je browser openen en naar Excel copy-pasten is het makkelijkste.

[F_J_K]

^^^ Inderdaad. Ook kan je misschien handig zoek&vervang doen als de structuur zich daar voor leent maar dat valt met zo'n klein stukje niet te zien. (De rest posten lijkt me niet nodig, een structuur kan je ook zelf ontdekken). Ook kan je evt een variant op web clipping gebruiken.

Maar met steeds 'Adres:' etc. lijkt het me makkelijk te extraheren.

Waarom noem je het trouwens generiek 'tekstbestand'? Dat is het niet, het is specifiek HTML en dat biedt al enige houvast vwb. structuur. Dus kleine titeledit.

[veryip]

heb even aangepast hoe de code er daadwerkelijk uit ziet; probleem is dus dat het html was, en nu verminkt is doordat een aantal leestekens zijn vervangen door codes...

Maar 't gaat dus om *.txt of hoe je het ook wilt noemen van 200MB ofzo... een heleboel overbodige tekst dus en een replace-opdracht gaat dus ook zo 1, 2, 3 niet werken; denk dat m'n comp daar niet vrolijk van wordt.

Zoek dus een proggie wat gewoon een txt-bestand kan doorzoeken en de info eruit haalt...

't gaat trouwens om in totaal 1500 records die eruit moeten komen rollen dus vrij zwaar

@fjk => 'k moet dus idd de gegevens extraheren uit een txt bestand

[ Voor 8% gewijzigd door veryip op 14-10-2005 00:27 ]

[Aapje]

Al eens gekeken of Excel een import functie heeft?
Ik weet nmlk wel dat Access die heeft, mss dat access je data kan inlezen in een Table, later weer uitlezen in een Excel document?

[McKaamos]

veryip schreef op vrijdag 14 oktober 2005 @ 00:25:
heb even aangepast hoe de code er daadwerkelijk uit ziet; probleem is dus dat het html was, en nu verminkt is doordat een aantal leestekens zijn vervangen door codes...

Maar 't gaat dus om *.txt of hoe je het ook wilt noemen van 200MB ofzo... een heleboel overbodige tekst dus en een replace-opdracht gaat dus ook zo 1, 2, 3 niet werken; denk dat m'n comp daar niet vrolijk van wordt.

Zoek dus een proggie wat gewoon een txt-bestand kan doorzoeken en de info eruit haalt...

't gaat trouwens om in totaal 1500 records die eruit moeten komen rollen dus vrij zwaar

@fjk => 'k moet dus idd de gegevens extraheren uit een txt bestand

probeer het eens met Textpad. die kan heel goed overweg met textfiles van heel veel MB's.
kan je ook macros en search/replace mee doen, en dat gaat allemaal relatief snel daarmee.

[ Voor 4% gewijzigd door McKaamos op 14-10-2005 00:32 ]

[RobIII]

Weet je zeker dat het geen .xml bestand is?
Je zou met een regex aan de slag kunnen, maar dat vereist dus wel enige programmeer ervaring. Maar 1500 "records" lijkt me niet zo zwaar. Ik maak me meer zorgen over wat je nou precies aan het doen bent, en of dat wel helemaal netjes is (gezien je vorige topic)

[veryip]

RobIII schreef op vrijdag 14 oktober 2005 @ 00:32:
Weet je zeker dat het geen .xml bestand is?
Je zou met een regex aan de slag kunnen, maar dat vereist dus wel enige programmeer ervaring. Maar 1500 "records" lijkt me niet zo zwaar. Ik maak me meer zorgen over wat je nou precies aan het doen bent, en of dat wel helemaal netjes is (gezien je vorige topic)

een adressenboek van een website in excel proberen te zetten ja...

[RobIII]

Met een find/replace in een fatsoelijke teksteditor moet je een heel eind kunnen komen, maar ik hou er op dit punt mee op. Volgens mij ben jij niet helemaal jofel bezig

[veryip]

hmz... ben vast simpel maar heb ze nu wel leuk clean/ schoon in een tekstbestand onder elkaar staan maar kan er nog steeds geen leuk excelsheetje van maken; zeg maar met een kolom "naam" en een kolom "adres" etc.

voorbeeld:

naam ik
adres blabla
plaats bladiebla

naam ik
adres blabla
plaats bladiebladie

etc.

maarrem... 't gaat gewoon om openbare gegevens... zeg maar detelefoongids.nl in excel zetten :-S

wat is daar niet jofel aan?

[ Voor 20% gewijzigd door veryip op 14-10-2005 01:43 ]

[McKaamos]

veryip schreef op vrijdag 14 oktober 2005 @ 01:42:
hmz... ben vast simpel maar heb ze nu wel leuk clean/ schoon in een tekstbestand onder elkaar staan maar kan er nog steeds geen leuk excelsheetje van maken; zeg maar met een kolom "naam" en een kolom "adres" etc.

voorbeeld:

naam ik
adres blabla
plaats bladiebla

naam ik
adres blabla
plaats bladiebladie

etc.

maarrem... 't gaat gewoon om openbare gegevens... zeg maar detelefoongids.nl in excel zetten :-S

wat is daar niet jofel aan?

als je nou je texteditor (in mijn geval textpad, die dit wel gaat kunnen iig) zo maakt dattie een macro/keysequence kent die je een X aantal keer uitvoert.
laat hem dan eerst de troep strippen.
daarna houd je dus een structuur over die jij aangeeft (woord, info)
als je nou die 3 regels (of meer, whatever) steeds laat ontdoen van wat er aan voorgaat, en dan de waarden die er achter staan op 1 regel zet, gescheiden door comma's.
je hebt dan effectief een comma separated file (CSV) wat excel kan importeren.
ff kolomnamen erboven, en klaar!

edit: indien gebruikmakend van textpad, het gebruik van Ctrl+pijltjes, home en end tijdens het opnemen van een macro is de sleutel

[ Voor 8% gewijzigd door McKaamos op 14-10-2005 02:52 ]