Ejemplos de funciones de parsing

Ejemplos prácticos de funciones de Custom Parser para procesamiento de HTML, manipulación de cadenas, operaciones matemáticas y tareas comunes de parsing.

Procesamiento HTML

`element_text`

HTML de ejemplo

<!DOCTYPE html>
<html>
<body>
    <div id="product">
        <div id="product-description">This is a nice product</div>
        <div id="product-price">    12  3


        </div>
    </div>
</body>
</html>

Extraer texto de un elemento HTML y eliminar espacios en blanco

{
    "price": {
        "_fns": [
            {
                "_fn": "xpath_one",
                "_args": [".//*[@id='product-price']"]
            },
            {
                "_fn": "element_text"
            }
        ]
    }
}

{
    "price": "12  3"
}

Dado un valor de cadena como entrada, no hacer nada

{
    "price": {
        "_fns": [
            {
                "_fn": "xpath_one",
                "_args": [".//*[@id='product-price']/text()"]
            },
            {
                "_fn": "element_text"
            }
        ]
    }
}

{
    "price": "    12  3\n\n\n        "
}

`xpath`

HTML de ejemplo

<body>
    <div class="product" id="socks">
        <div class="title">Socks</div>
        <div class="price">123.12</div>
        <div class="description">
            <ul>
                <li class="description-item">Very</li>
                <li class="description-item">Nice</li>
                <li class="description-item">Socks</li>
            </ul>
        </div>
    </div>
</body>

Obtener todos los elementos de la descripción

{
    "description_items": {
        "_fns": [
            {
                "_fn": "xpath",
                "_args": ["//li[@class='description-item']/text()"]
            }
        ]
    }
}

{
    "description_items": ["Very", "Nice", "Socks"]
}

Obtener el primer elemento de la descripción

{
    "first_description_item": {
        "_fns": [
            {
                "_fn": "xpath",
                "_args": ["(//li[@class='description-item'])[1]/text()"]
            }
        ]
    }
}

{
    "first_description_item": [
        "Very"
    ]
}

Comprobar si existe el elemento de la sección de descripción

{
    "description_section_exists": {
        "_fns": [
            {
                "_fn": "xpath",
                "_args": ["boolean(//div[@class='description'])"]
            }
        ]
    }
}

{
    "description_section_exists": true
}

Obtener el precio como número

{
    "price": {
        "_fns": [
            {
                "_fn": "xpath",
                "_args": ["number(//div[@class='price'])"]
            }
        ]
    }
}

{
    "description_section_exists": 123.12
}

Expresiones múltiples para usar como reserva si la expresión anterior falla

{
    "price": {
        "_fns": [
            {
                "_fn": "xpath",
                "_args": [
                    "//div[@class='product-price']/text()", <--- this does not find anything
                    "//div[@class='price']/text()" <--- this finds the target price
                ]
            }
        ]
    }
}

{
    "price": [
        "123.12"
    ]
}

XPath | operador para coincidir con múltiples expresiones

{
    "price_and_title": {
        "_fns": [
            {
                "_fn": "xpath",
                "_args": ["//div[@class='price']/text() | //div[@class='title']/text()"]
            }
        ]
    }
}

{
    "price_and_title": [
        "Socks",
        "123.12"
    ]
}

`xpath_one`

HTML de ejemplo

<body>
    <div class="product" id="socks">
        <div class="title">Socks</div>
        <div class="price">123.12</div>
        <div class="description">
            <ul>
                <li class="description-item">Very</li>
                <li class="description-item">Nice</li>
                <li class="description-item">Socks</li>
            </ul>
        </div>
    </div>
</body>

Devolver la primera coincidencia

{
    "first_description_item": {
        "_fns": [
            {
                "_fn": "xpath_one",
                "_args": [".//li/text()"]
            }
        ]
    }
}

{
    "first_description_item": "Very"
}

Usando funciones XSLT

{
    "price": {
        "_fns": [
            {
                "_fn": "xpath_one",
                "_args": ["number(.//div[@class='price'])"]
            }
        ]
    }
}

{
    "price": 123.12
}

Manipulación de cadenas

`amount_from_string`

HTML de ejemplo

<body>
    <div class="product" id="socks">
        <div class="title">Socks</div>
        <div class="price">The price is: 123.12 pesos</div>
    </div>
</body>

Extraer cantidad de la cadena

{
    "price": {
        "_fns": [
            {
                "_fn": "xpath_one",
                "_args": [".//div[@class='price']/text()"]
            },
            {
                "_fn": "amount_from_string"
            }
        ]
    }
}

{
    "price": 123.12
}

`amount_range_from_string`

HTML de ejemplo

<body>
    <div class="product">
        <div class="price">
            The price is: 123.12 pesos;
            The price is: 345.12 pesos;
            The price is: 678.12 pesos
        </div>
    </div>
</body>

Extraer todas las cantidades de la cadena

{
    "prices": {
        "_fns": [
            {
                "_fn": "xpath_one",
                "_args": [".//div[@class='price']/text()"]
            },
            {
                "_fn": "amount_range_from_string"
            }
        ]
    }
}

{    
    "prices": [
        123.12,
        345.12,
        678.12
    ]
}

`join`

HTML de ejemplo

<body>
    <div class="product">
        <div class="price">
            The price is: 123.12 pesos;
        </div>
        <div class="price">
            The price is: 345.12 pesos;
        </div>
        <div class="price">
            The price is: 678.12 pesos
        </div>
    </div>
</body>

Unir un arreglo de cadenas en una sola cadena

{
    "price_variants": {
        "_fns": [
            {
                "_fn": "xpath",
                "_args": [".//div[@class='price']"]
            },
            {  // If we call normalize-space() in first pipeline function, 
               // it will return only the first value.
                "_fn": "xpath",
                "_args": ["normalize-space(text())"]
            },  
            {
                "_fn": "join",
                "_args": ""
            }
        ]
    }
}

{
    "price_variants": "The price is: 123.12 pesos;The price is: 345.12 pesos;The price is: 678.12 pesos"
}

`regex_find_all`

HTML de ejemplo

<body>
    <div class="product">
        <div class="description">
            [one description]
            [two description]
            [three description]
        </div>
    </div>
</body>

Encontrar todas las coincidencias entre dos caracteres

{
    "descriptions": {
        "_fns": [
            {
                "_fn": "xpath_one",
                "_args": [".//div[@class='description']/text()"]
            },
            {
                "_fn": "regex_find_all",
                "_args": ["\\[(.*)\\]"]
            }
        ]
    }
}

{
    "descriptions": [
        "one description",
        "two description",
        "three description"
    ]
}

`regex_search`

HTML de ejemplo

<body>
    <div class="product">
        <div class="description">
            [one description]
            [two description]
            [three description]
            {the one i need}
        </div>
    </div>
</body>

Devolver la descripción entre dos caracteres

{
    "description": {
        "_fns": [
            {
                "_fn": "xpath_one",
                "_args": [".//div[@class='description']/text()"]
            },
            {
                "_fn": "regex_search",
                "_args": ["{(.*)}", 1]
            }
        ]
    }
}

{
    "description": "the one i need"
}

`regex_substring`

HTML de ejemplo

<body>
    <div class="product">
        <div class="description">
            * one description
            * two description
            * three description
            * {this one i would like to get replaced}
        </div>
    </div>
</body>

Reemplazar una parte del texto con el valor especificado

{
    "descriptions": {
        "_fns": [
            {
                "_fn": "xpath_one",
                "_args": [".//div[@class='description']/text()"]
            },
            {
                "_fn": "regex_substring",
                "_args": ["{this one i would like to get replaced}", "four description"]
            },
            {
                "_fn": "regex_find_all",
                "_args": ["\\*\\s(.*)\n"]
            }
        ]
    }
}

{
    "descriptions": [
        "one description",
        "two description",
        "three description",
        "four description"
    ]
}

Funciones comunes

`convert_to_*`

HTML de ejemplo

<body>
    <div class="product">
        <div class="price">123</div>
        <div class="price">124</div>
        <div class="price">456</div>
        <div class="price">421</div>
        <div class="price">100</div>
    </div>
</body>

Obtener el recuento de variantes de precio

{
    "price_variants": {
        "_fns": [
            {
                "_fn": "xpath",
                "_args": [".//div[@class='price']"]
            },
            {
                "_fn": "length"
            }
        ]
    }
}

{
    "price_variants": 5
}

Obtener el recuento de variantes de precio en un arreglo multidimensional

HTML de ejemplo:

<body>
    <div class="product">
        <property class="colors">
            <option class="color">Red</option>
            <option class="color">Green</option>
            <option class="color">Blue</option>
        </property>
        <property class="sizes">
            <option class="size">S</option>
            <option class="size">M</option>
            <option class="size">L</option>
            <option class="size">XL</option>
        </property>
    </div>
</body>

{
    "number_of_variants": {
        "_fns": [
            {
                "_fn": "xpath",
                "_args": [".//property"]
            },
            {
                "_fn": "xpath",
                "_args": [".//option"]
            },
            {
                "_fn": "length"
            }
        ]
    }
}

{
    "number_of_variants": [
        3,
        3
    ]
}

`select_nth`

HTML de ejemplo

<body>
    <div class="product" id="socks">
        <div class="title">Socks</div>
        <div class="price">123.12</div>
        <div class="description">
            <ul>
                <li class="description-item">Very</li>
                <li class="description-item">Nice</li>
                <li class="description-item">Socks</li>
            </ul>
        </div>
    </div>
</body>

Seleccionar el primer elemento de descripción del arreglo

{
    "price_and_title": {
        "_fns": [
            {
                "_fn": "xpath",
                "_args": ["//li[@class='description-item']/text()"]
            },
            {
                "_fn": "select_nth",
                "_args": 0
            }
        ]
    }
}

{
    "price_and_title": "Very"
}

Seleccionar el último elemento de descripción del arreglo

{
    "price_and_title": {
        "_fns": [
            {
                "_fn": "xpath",
                "_args": ["//li[@class='description-item']/text()"]
            },
            {
                "_fn": "select_nth",
                "_args": -1
            }
        ]
    }
}

{
    "price_and_title": "Socks"
}

Funciones matemáticas

`average`

HTML de ejemplo

<body>
    <div class="product">
        <div class="price">123</div>
        <div class="price">124</div>
        <div class="price">456</div>
        <div class="price">421</div>
        <div class="price">100</div>
    </div>
</body>

Calcular el promedio de todos los precios listados

{
    "price_average": {
        "_fns": [
            {
                "_fn": "xpath",
                "_args": [".//div[@class='price']"]
            },
            {
                "_fn": "xpath_one",
                "_args": ["number(text())"]
            },
            {
                "_fn": "average"
            }
        ]
    }
}

{
    "price_average": 244.8
}

`max`

HTML de ejemplo

<body>
    <div class="product">
        <div class="price">123</div>
        <div class="price">124</div>
        <div class="price">456</div>
        <div class="price">421</div>
        <div class="price">100</div>
    </div>
</body>

Encontrar el máximo de todos los precios listados

{
    "price_max": {
        "_fns": [
            {
                "_fn": "xpath",
                "_args": [".//div[@class='price']"]
            },
            {
                "_fn": "xpath_one",
                "_args": ["number(text())"]
            },
            {
                "_fn": "max"
            }
        ]
    }
}

{
    "price_max": 456.0
}

`min`

HTML de ejemplo

<body>
    <div class="product">
        <div class="price">123</div>
        <div class="price">124</div>
        <div class="price">456</div>
        <div class="price">421</div>
        <div class="price">100</div>
    </div>
</body>

Calcular el promedio de todos los precios listados

{
    "price_min": {
        "_fns": [
            {
                "_fn": "xpath",
                "_args": [".//div[@class='price']"]
            },
            {
                "_fn": "xpath_one",
                "_args": ["number(text())"]
            },
            {
                "_fn": "min"
            }
        ]
    }
}

{
    "price_min": 100.0
}

`product`

HTML de ejemplo

<body>
    <div class="product">
        <property class="colors">
            <option class="color">Red</option>
            <option class="color">Green</option>
            <option class="color">Blue</option>
        </property>
        <property class="sizes">
            <option class="size">S</option>
            <option class="size">M</option>
            <option class="size">L</option>
            <option class="size">XL</option>
        </property>
    </div>
</body>

Obtener el recuento de diferentes variantes de producto

{
    "number_of_variants": {
        "_fns": [
            {
                "_fn": "xpath",
                "_args": [".//property"]
            },
            {
                "_fn": "xpath",
                "_args": [".//option"]
            },
            {
                "_fn": "length"
            },
            {
                "_fn": "product"
            }
        ]
    }
}

{
    "number_of_variants": 12
}

AnteriorLista de funciones de parsing SiguienteProcesamiento y almacenamiento de resultados

Última actualización hace 1 año

¿Te fue útil?

Buenas tardes

Procesamiento HTML

element_text

HTML de ejemplo

xpath

HTML de ejemplo

xpath_one

HTML de ejemplo

Manipulación de cadenas

amount_from_string

HTML de ejemplo

amount_range_from_string

HTML de ejemplo

join

HTML de ejemplo

regex_find_all

HTML de ejemplo

regex_search

HTML de ejemplo

regex_substring

HTML de ejemplo

Funciones comunes

convert_to_*

HTML de ejemplo

select_nth

HTML de ejemplo

Funciones matemáticas

average

HTML de ejemplo

max

HTML de ejemplo

min

HTML de ejemplo

product

HTML de ejemplo

`element_text`

`xpath`

`xpath_one`

`amount_from_string`

`amount_range_from_string`

`join`

`regex_find_all`

`regex_search`

`regex_substring`

`convert_to_*`

`select_nth`

`average`

`max`

`min`

`product`