página de exemplos de funções de análise

Exemplos práticos de funções do Custom Parser para processamento de HTML, manipulação de strings, operações matemáticas e tarefas comuns de análise.

Processamento de HTML

`element_text`

HTML de exemplo

<!DOCTYPE html>
<html>
<body>
    <div id="product">
        <div id="product-description">Este é um bom produto</div>
        <div id="product-price">    12  3


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

Extrair texto de um elemento HTML e remover espaços em branco

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

{
    "price": "12  3"
}

Dado um valor de string como entrada, não faça nada

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

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

`xpath`

HTML de exemplo

<body>
    <div class="product" id="socks">
        <div class="title">Meias</div>
        <div class="price">123.12</div>
        <div class="description">
            <ul>
                <li class="description-item">Muito</li>
                <li class="description-item">Bom</li>
                <li class="description-item">Meias</li>
            </ul>
        </div>
    </div>
</body>

Obter todos os itens da descrição

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

{
    "description_items": ["Muito", "Bom", "Meias"]
}

Obter o primeiro item da descrição

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

{
    "first_description_item": [
        "Muito"
    ]
}

Verificar se o elemento da seção de descrição existe

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

{
    "description_section_exists": true
}

Obter o preço como um número

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

{
    "description_section_exists": 123.12
}

Múltiplas expressões para fallback caso a expressão anterior falhe

{
    "price": {
        "_fns": [
            {
                "_fn": "xpath",
                "_args": [
                    "//div[@class='product-price']/text()", <--- isto não encontra nada
                    "//div[@class='price']/text()" <--- isto encontra o preço alvo
                ]
            }
        ]
    }
}

{
    "price": [
        "123.12"
    ]
}

XPath | operador para corresponder com múltiplas expressões

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

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

`xpath_one`

HTML de exemplo

<body>
    <div class="product" id="socks">
        <div class="title">Meias</div>
        <div class="price">123.12</div>
        <div class="description">
            <ul>
                <li class="description-item">Muito</li>
                <li class="description-item">Bom</li>
                <li class="description-item">Meias</li>
            </ul>
        </div>
    </div>
</body>

Retornar a primeira correspondência

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

{
    "first_description_item": "Muito"
}

Usando funções XSLT

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

{
    "price": 123.12
}

Manipulação de strings

`amount_from_string`

HTML de exemplo

<body>
    <div class="product" id="socks">
        <div class="title">Meias</div>
        <div class="price">O preço é: 123.12 pesos</div>
    </div>
</body>

Extrair valor de uma string

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

{
    "price": 123.12
}

`amount_range_from_string`

HTML de exemplo

<body>
    <div class="product">
        <div class="price">
            O preço é: 123.12 pesos;
            O preço é: 345.12 pesos;
            O preço é: 678.12 pesos
        </div>
    </div>
</body>

Extrair todos os valores de uma string

{
    "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 exemplo

<body>
    <div class="product">
        <div class="price">
            O preço é: 123.12 pesos;
        </div>
        <div class="price">
            O preço é: 345.12 pesos;
        </div>
        <div class="price">
            O preço é: 678.12 pesos
        </div>
    </div>
</body>

Juntar um array de strings em uma única string

{
    "price_variants": {
        "_fns": [
            {
                "_fn": "xpath",
                "_args": [".//div[@class='price']"]
            },
            {  // Se chamarmos normalize-space() na primeira função do pipeline, 
               // ele retornará apenas o primeiro valor.
                "_fn": "xpath",
                "_args": ["normalize-space(text())"]
            },  
            {
                "_fn": "join",
                "_args": ""
            }
        ]
    }
}

{
    "price_variants": "O preço é: 123.12 pesos;O preço é: 345.12 pesos;O preço é: 678.12 pesos"
}

`regex_find_all`

HTML de exemplo

<body>
    <div class="product">
        <div class="description">
            [uma descrição]
            [duas descrições]
            [três descrições]
        </div>
    </div>
</body>

Encontrar todas as correspondências entre dois caracteres

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

{
    "descriptions": [
        "uma descrição",
        "duas descrições",
        "três descrições"
    ]
}

`regex_search`

HTML de exemplo

<body>
    <div class="product">
        <div class="description">
            [uma descrição]
            [duas descrições]
            [três descrições]
            {a que eu preciso}
        </div>
    </div>
</body>

Retornar a descrição entre dois caracteres

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

{
    "description": "a que eu preciso"
}

`regex_substring`

HTML de exemplo

<body>
    <div class="product">
        <div class="description">
            * uma descrição
            * duas descrições
            * três descrições
            * {essa aqui eu gostaria que fosse substituída}
        </div>
    </div>
</body>

Substituir uma parte do texto por um valor especificado

{
    "descriptions": {
        "_fns": [
            {
                "_fn": "xpath_one",
                "_args": [".//div[@class='description']/text()"]
            },
            {
                "_fn": "regex_substring",
                "_args": ["{essa aqui eu gostaria que fosse substituída}", "quatro descrições"]
            },
            {
                "_fn": "regex_find_all",
                "_args": ["\\*\\s(.*)\n"]
            }
        ]
    }
}

{
    "descriptions": [
        "uma descrição",
        "duas descrições",
        "três descrições",
        "quatro descrições"
    ]
}

Funções comuns

`convert_to_*`

HTML de exemplo

<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>

Obter a contagem das variações de preço

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

{
    "price_variants": 5
}

Obter a contagem das variações de preço em um array multidimensional

HTML de exemplo:

<body>
    <div class="product">
        <property class="colors">
            <option class="color">Vermelho</option>
            <option class="color">Verde</option>
            <option class="color">Azul</option>
        </property>
        <property class="sizes">
            <option class="size">P</option>
            <option class="size">M</option>
            <option class="size">G</option>
            <option class="size">GG</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 exemplo

<body>
    <div class="product" id="socks">
        <div class="title">Meias</div>
        <div class="price">123.12</div>
        <div class="description">
            <ul>
                <li class="description-item">Muito</li>
                <li class="description-item">Bom</li>
                <li class="description-item">Meias</li>
            </ul>
        </div>
    </div>
</body>

Selecionar o primeiro item da descrição do array

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

{
    "price_and_title": "Muito"
}

Selecionar o último item da descrição do array

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

{
    "price_and_title": "Meias"
}

Funções matemáticas

`average`

HTML de exemplo

<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 a média de todos os preços 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 exemplo

<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 o máximo de todos os preços 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 exemplo

<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 a média de todos os preços 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 exemplo

<body>
    <div class="product">
        <property class="colors">
            <option class="color">Vermelho</option>
            <option class="color">Verde</option>
            <option class="color">Azul</option>
        </property>
        <property class="sizes">
            <option class="size">P</option>
            <option class="size">M</option>
            <option class="size">G</option>
            <option class="size">GG</option>
        </property>
    </div>
</body>

Obter a contagem de diferentes variações de produto

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

{
    "number_of_variants": 12
}

AnteriorLista de funções de parsing PróximoProcessamento e armazenamento de resultados

Isto foi útil?