トップページ > コンピュータ関連 > table2csv.pl

#!/usr/bin/perl

################################################################################
#
# table2csv - html table tag -> csv converter
#
# date: 2006/03/15
# update: 2005/03/19
#

$debug = 0;

########################################
# input HTML from standard input

foreach(<>){
    chomp;
    $html .= $_;
}


########################################
# modify HTML tags
# HTMLタグ無いの文字を

# to lower
#$html =~ s//<\/td>/ig;

# delete tags
#$html =~ s/<[\/]*font[^>]*>//ig;
#$html =~ s/<[\/]*b>//ig;

# delete configration in tags
#$html =~ s/ [a-z]*=\"#[0-9a-f]*\"//ig;
#$html =~ s/ [a-z]*=#[0-9a-f]*//ig;

# delete cr,lf,tab
$html =~ s/\r\n//g;
$html =~ s/\n//g;
$html =~ s/\r//g;
$html =~ s/\t//g;
$html =~ s/  +//g;


# add tag and return
#$html =~ s/]*>/\t\n/ig;
#$html =~ s/<\/tr>/\t<\/tr>\n/ig;
#$html =~ s//<\/td>\n/ig;

$html =~ s/
//ig;

#$html =~ s/]*>/g;
#print "\n";
#print $html =~ m//go;
#print $+ . "\n";
#print $html . "\n";

#print "LENGTH: " . length($html) . "\n";




########################################
# make array HTML and TEXT
# HTMLを、テキストとタグに分離して、配列を生成します。

$intag = 0;      # 0:タグ外 1:タグ内
$text = "";    # 通常テキストとタグが分解された配列

for ($i=0 ; $i <= length($html) ; $i++){

    # １文字取得する
    $letter = substr($html,$i,1);

    if($letter eq "<"){
#    if($letter eq "<" and $intag == 0){
	########################################
	## 開けタグが出現した場合 (新規タグ開始)
	########################################

	# 出力変数にテンポラリから文字を吐き出す
	push(@text,$tmp);

	# 新規にテンポラリに文字を格納する
	$tmp = $letter;

	# タグ内であることを示す
	$intag = 1;

#    }elsif($letter eq "<" and $intag == 1){
#	########################################
#	## 開けタグが出現した場合 (閉じタグが無いまま)
#	########################################
#
#	# 出力変数にテンポラリから文字を吐き出す
#	# "<"を含むが、タグ解析しない通常文字として扱う
#	push(@text,$tmp);
#
#	# 新規にテンポラリに文字を格納する
#	$tmp = $letter;
#
#	# タグ内であることを示す(これは必須では無い)
#	$intag = 1;

#    }elsif($letter eq ">" and $intag == 0){
#	########################################
#	## 閉じタグが出現した場合 (非タグの状態で)
#	########################################
#
#	# 出力変数にテンポラリから文字を吐き出す
#	$return .= $tmp;
#
#	# 新規にテンポラリに文字を格納する
#	$tmp = $letter;
#
#	# タグ外であることを示す
#	$intag = 0;
#
    }elsif($letter eq ">" and $intag == 1){
	########################################
	## 閉じタグが出現した場合 (タグの正常閉じ)
	########################################

	# テンポラリに文字を格納する
	$tmp .= $letter;

	# 出力変数にテンポラリから文字を吐き出す
	push(@text,$tmp);

	$tmp = "";

	# タグ外であることを示す
	$intag = 0;

    }else{
	########################################
	## その他の文字の場合
	########################################

	# 文字をスタックする
	$tmp .= $letter;
	
    }

}



########################################
# make BASE ARRAY DATA for CSV
# @textに格納された、テキストとタグに分離された配列より、
# タグを判断してCSV生成用の基礎配列を作成する。
# date: 2006/03/18
# update: 2006/03/19

$row = 0;                     # レコード番号
$col = 0;                     # フィールド番号
#$csvarray[$row][$col] = "";  # CSV作成用配列
#$csvchk[$row][$col] = "";    # 1:入力済み other:未入力

$mode = 0;
for($i = 0 ; $i <= $#text ; $i++){

    $_ = $text[$i];

    # 空要素の場合は、次要素へ
    if(length() <= 0){ next ; }

    # タグ、非タグそれぞれの処置
    if( m/^<.*>$/i ){
	# タグの場合

	if( m/ 1){
		    for($rs = $row + 1 ; $rs <= $row + $rowspan - 1 ; $rs++){
#			printd("\$rs = $rs");
			$csvarray[$rs][$col] = $tmp;
			$csvchk[$rs][$col] = 1;
		    }
		    $rowspan = 0;
		}

		if($colspan > 1){
		    for($cs = $col + 1 ; $cs <= $col + $colspan - 1 ; $cs++){
#			printd("\$cs = $cs");
#			$csvarray[$row][$cs] = $tmp;
			$csvchk[$row][$cs] = 1;
		    }
		    $colspan = 0;
		}

		$tmp = "";

		$col++;


	    }elsif($mode == 2){
		# trタグ閉じの場合(異常閉じ)
	    }elsif($mode == 1){
		# tableタグ閉じの場合(異常閉じ)
	    }
	    $mode = 2;
	    
	}elsif( m/<\/tr/i ){

	    if($mode == 3){
		# tdタグ閉じの場合(異常閉じ)
	    }elsif($mode == 2){
		# trタグ閉じの場合(正常閉じ)
		$col = 0;
		$row++;
	    }elsif($mode == 1){
		# tableタグ閉じの場合(異常閉じ)
	    }

	    $mode = 1;

	}elsif( m/<\/table/i ){

	    if($mode == 3){
		# tdタグ閉じの場合(異常閉じ)
	    }elsif($mode == 2){
		# trタグ閉じの場合(異常閉じ)
	    }elsif($mode == 1){
		# tableタグ閉じの場合(正常閉じ)
	    }
	    
	    $mode = 0;
	    
	}else{
	    # その他のタグの場合
	    if($mode == 3){
		# tdタグ閉じの場合
		
	    }
	    
	}
    }else{
	# 非タグの場合

	    if($mode == 3){$tmp .= $text[$i];};

	$ret = $_;
    }
    
#    print $ret ;
#    print "\n";
}


########################################
# make CSV from BASE ARRAY DATA
# 配列をCSVに変換します。
# date: 2006/03/18
# update: 2006/03/19
#
# 変換時にデータ内容を次の用に改編しています。
# 　・１つのダブルクォーテーションを２つにする " -> ""

#@csvarray = 
$row = ""; # 行配列
$col = ""; # フィールド要素

foreach $row(@csvarray){

    # 初期化
    $ret = "";

    # レコード内のフィールドをまとめて格納
    foreach $col(@{$row}){
        $col =~ s/"/""/g;                   #"(emacs表示色対策コメント)
        $ret .= "\"$col\",";
    }

    # 末尾の","を削除する
    chop $ret;

    # レコードのCSVテキストを出力
    print $ret . "\n";
}



exit 0;

#
# CODE END
#
########################################





########################################
#
# functions 
#


####################
# print debug message
# name: chy
# date: 2006/3/19
sub printd($){
    my($val) = @_;
    my $message = $val;

    if($debug != 1){ return 1; }

    if(length($debug_title) <= 0){
	$debug_title = "DEBUG: "
    }

    print $debug_title;
    print $message . "\n";

    return 0;

}

トップページ > 
コンピュータ関連 > 
table2csv.pl