texto transformaÃ§Ã£o com o sed ou awk

chebarbudo · #1 (**permalink**) 05-26-2009

Oi lÃ¡,
Estou tentando extrair automaticamente horÃ¡rios a partir de um site.
A pÃ¡gina estÃ¡ exibindo os horÃ¡rios
http://www.natureetdecouvertes.com/p...sp?mag_cod\u003dxxx
com xxx indo 101-174
Eu consegui obter o seguinte resultado:

CÃ³digo:

      le lundi de 10.30 à 19.30
      le mardi de 9.30 à 19.30
blank
      le jeudi de 9.30 à 19.30
      le vendredi de 9.30 à 19.30
      le samedi de 10.30 à 21.30
blank

Existe uma linha por cada dia da semana (de segunda a domingo)
em branco Ã© uma linha em branco reais (nÃ£o exibindo nada)
Como posso agora obter o resultado final:

CÃ³digo:

"10:30 19:30|09:30 19:30|           |09:30 19:30|09:30 19:30|10:30 21:30|           "

Obrigado por sua ajuda.
Santiago

PANYAM · #2 (**permalink**) 05-26-2009

CÃ³digo:

awk '{ printf("%s\t%s%s",$4,$6,"|")}' input_file.txt

colemar · #3 (**permalink**) 05-26-2009

CÃ³digo:

awk -F'[^0-9]+' '{b=b (NR>1?"|":"")($2?sprintf("%02d:%02d %02d:%02d",$2,$3,$4,$5):"")}END{print b}' yourfile.txt

Se vocÃª realmente deseja ter 11 espaÃ§os em vez de um campo em branco, entÃ£o:

CÃ³digo:

awk -F'[^0-9]+' '{b=b (NR>1?"|":"")($2?sprintf("%02d:%02d %02d:%02d",$2,$3,$4,$5):sprintf("%11s",""))}END{print b}' yourfile.txt

ghostdog74 · #4 (**permalink**) 05-26-2009

se vocÃª tiver o Python, uma quase total soluÃ§Ã£o alternativa

CÃ³digo:

 
#!/usr/bin/env python
import urllib2,re
pat=re.compile(""".*<span class="tdBlancBold">(.*)<div align="center">.*""",re.M|re.DOTALL)
days=['lundi','mardi','mercredi','jeudi','vendredi','samedi','dimanche']
url="http://www.natureetdecouvertes.com/pages/gener/view_FO_STORE_corgen.asp?mag_cod=%s"
for num in range(101,174):
    page=urllib2.urlopen(url % str(num))    
    data=page.read()
    if not "Impossible" in data:
        result = pat.findall(data)       
        store={}
        for i in result:
            for j in i.split("<br>"):
                j=j.strip()
                if j.startswith("le"):
                    j=j.split()
                    if j[1] in days:
                        t1,t2=j[-3],j[-1]
                        store.setdefault(j[1],[])
                        store[j[1]].extend([t1,t2])
        for DAY in days:
            try:
                print "%s |" %( ' '.join(store[DAY])),
            except: 
                print "\t\t|",
        print ""    
    else:
        print "Page not found ",url % str(num)

extrato de saÃda:

CÃ³digo:

# python test.py
10.00 20.00 | 10.00 20.00 | 10.00 20.00 | 10.00 20.00 | 10.00 20.00 | 10.00 20.00 | 10.00 19.00 |
10.00 20.00 | 10.00 20.00 | 10.00 20.00 | 10.00 20.00 | 10.00 20.00 | 10.00 20.00 |             |
10.00 20.00 | 10.00 20.00 | 10.00 20.00 |               | 10.00 21.00 | 10.00 20.00 |           |
10.00 20.00 | 10.00 20.00 | 10.00 20.00 | 10.00 20.00 | 10.00 20.00 | 10.00 20.00 |             |
10.00 19.30 | 10.00 19.30 | 10.00 19.30 | 10.00 19.30 | 10.00 19.30 | 10.00 19.30 |             |
10.00 21.00 | 10.00 21.00 | 10.00 21.00 | 10.00 21.00 | 10.00 21.00 | 10.00 20.00 |             |
10.00 19.30 | 10.00 19.30 | 10.00 19.30 | 10.00 19.30 | 10.00 19.30 | 10.00 19.30 |             |
10.00 20.00 | 10.00 21.00 | 10.00 21.00 | 10.00 21.00 | 10.00 21.00 | 10.00 20.00 |             |
9.30 19.30 | 9.30 19.30 | 9.30 19.30 | 9.30 19.30 | 9.30 19.30 | 9.30 19.30 |           |
Page not found  http://www.natureetdecouvertes.com/pages/gener/view_FO_STORE_corgen.asp?mag_cod=110
10.00 20.00 | 10.00 20.00 | 10.00 20.00 | 10.00 20.00 | 10.00 20.00 | 10.00 20.00 |             |
10.00 19.30 | 10.00 19.30 | 10.00 19.30 | 10.00 19.30 | 10.00 19.30 | 10.00 19.30 |             |
10.00 20.00 | 10.00 20.00 | 10.00 20.00 | 10.00 20.00 | 10.00 20.00 | 10.00 20.00 |             |
10.00 20.00 | 10.00 20.00 | 10.00 20.00 | 10.00 20.00 | 10.00 20.00 | 10.00 20.00 |             |
9.30 19.30 | 9.30 19.30 | 9.30 19.30 | 9.30 19.30 | 9.30 19.30 | 9.30 19.30 |           |

chebarbudo · #5 (**permalink**) 07-04-2009

Agradecemos todos pela vossa ajuda,
Parece que todas as lojas exibir seu calendÃ¡rio com formato diferente, mas eu vim com a seguinte soluÃ§Ã£o que combina perfeitamente todas as necessidades:

CÃ³digo:

wget -qO- 'http://www.natureetdecouvertes.com/pages/gener/view_FO_STORE_corgen.asp?mag_cod=118' |
sed -rn 's/\r//g; s/<br>//; /^[[:space:]]*([Ll]e )?[Ll]undi/,/([Ll]e )?[Dd]imanche/ { ; /^[[:space:]]*$/!p }' |
sed -r 's/^[^0-9]*//; s/.*clipse totale.*/           /; s/ h /h/g; s/(à|de|-) //; s/\.|h/:/g; s/^9:/09:/; s/:( |$)/:00\1/g' |
sed ':a; N; $!b a; s/\n/|/g')'

Mais UNIX e Linux FÃ³rum TÃ³picos VocÃª pode achar Helpfull
Fio	Thread Starter	FÃ³rum	Respostas	Ãšltima postagem
nome do arquivo de transformaÃ§Ã£o	VRMS	ProgramaÃ§Ã£o Shell Script e	16	05-27-2008 09:49
Cor TransformaÃ§Ã£o LÃngua 1.4.1 (Default sucursal)	iBot	Software Release - RSS NotÃcias	0	03-18-2008 08:10
Evento Transformation Services	iBot	Complex Event Processing RSS NotÃcias	0	08-24-2007 04:30
Aplicar transformaÃ§Ã£o lÃ³gica em 2 arquivos diferentes	HAA	ProgramaÃ§Ã£o Shell Script e	1	07-10-2007 05:33
TransformaÃ§Ã£o maiÃºscula	Dark Angel	UNIX para Dummies Perguntas & Respostas	1	01-24-2002 04:17

Thread Tools	Pesquisar este Thread
Show Printable Version Enviar esta pÃ¡gina	Pesquisar este Thread: Pesquisa AvanÃ§ada
Display Modes	Esta taxa Thread
Mude para o Modo Linear Hybrid Mode Switch to Threaded Mode	Esta taxa Thread:


	Powered by