Dumpe spesifikt innhold fra HTML-filer til en database

[wear]

Hei!

 

Jeg fant frem en gammel kopi av et prosjekt jeg drev med for noen år siden og kunne tenke meg å fortsette på det på hobbybases.

 

Jeg laget for lenge siden en hjemmeside med oversikt over blandt annet filmer jeg har sett, en beskrivelse, min rangering, spilletid, dato sett++++

 

Saken er at da jeg laget den så ble alt hardkodet rett inn som htmlsider per film jeg så/ville se, derfor sitter jeg igjen med en stor bunch html (med eksakt lik syntax/kode) som jeg gjerne skulle ha fått inn i en database

 

Jeg er ikke så rå på programmering, men av det jeg kan så er det SQL og noe php, klarer relativt lett å forstå andre (simple) språk forsåvidt. Plattform er Windows. Har jo kjørt litt linux nå og da så jeg er også villig til å forsøke meg der hvis det er en utvei!

 

Det jeg ser for meg er et eller annet script/program som leser igjennom mappene/filene og skriver ut f.eks en verdi mot CSV for hvert element som er beskrevet i HTMLen, f.eks:

 

<a font color=black>Filmnavn:</a><a font color=red>Die hard 2</a>
<a font color=black>Vurdering:</a><a font color=red>N/A</a>
<a font color=black>Beskrivelse:</a><a font color=red>Har ikke sett</a>

 

---

ny fil

---

<a font color=black>Filmnavn:</a><a font color=red>Die hard 3</a>
<a font color=black>Vurdering:</a><a font color=green>5</a>
<a font color=black>Beskrivelse:</a><a font color=red>Oppfølger til Die hard 2</a>

 

Skriver da ut følgende til en CSV-fil:

"Die hard 2";"N/A";"Har ikke sett";
"Die hard 3";5;"Oppfølger til Die hard 2";

 

Jeg regner ikke med å få hele løsningen i et svar, men om noen kunne peke meg i riktig retning, som f.eks at "Dette kan du jo lett gjøre i kommandolinje i windows via ???" så vil det være toppers!

 

PS! Det vil ikke være "mulig" å hente ut dette ved å åpne alle sidene og copy/paste informasjonen dessverre, eller det vil ihvertfall ta utrolig lang tid og jeg ønsker heller å bryne meg på en liten utfordring ved heller lage noe som gjør jobben for meg

 

Å importere CSVen til databasen skal jeg klare fint selv

 

På forhånd takk for svar!

[radivx]

Hvis kvaliteten på HTML tillater det så kan det være greit å gå via XML bibliotekene i PHP el.

 

Da kan du enten serialisere XHTML filene til objekt og hente det ut,

eller gå via konkrete XPath og gjøre det litt mer manuelt.

[GeirGrusom]

Hvilekn utviklingsplattform har du tenkt til å bruke?