Взять только текст со страницы.

[Lollipop]

Можно ли?
Экшен "Взять Текст" - тащит мусор, то что между <scripts> </script>
"Артикле Экстракшен" - кусок сверху только выгрызает.

 

[rostonix]

{-Page.Text-}

 

[Lollipop]

Эх, рано я обрадовался...
так там ведь тотже мусор в виде кода скриптов
типа

//<![CDATA[
jQuery.noConflict();

jQuery('ul.nav').superfish({

И этого побольше чем текста будет.
пропустили <scripts> </script>?

 

[Lollipop]

Пардон, заодно спрошу, - у меня регулярно пропадает Дебугерское окно с переменными (неудобное кстати).
И как его выковырять - непонятно - лечится только переустановкой. по F2 - только список, без значение.

 

[rostonix]

Удалить все тэги можно такой регуляркой:

<.*?>

Заменить ее на пустоту через операции с текстом.

2) Попробуйте удалить
c:\Users\[Username]\AppData\Roaming\ZennoLab\ZennoPoster\4\ProjectMak er\ProjectEditor\EditorLayout.xml
c:\Users\[Username]\AppData\Roaming\ZennoLab\ZennoPoster\4\ProjectMak er\ProjectEditor\ToolBoxLayout.xml

и перезагрузить PM

 

[Lollipop]

Так в том то и дело, не все в коде прикрыто <>
при очистке пропустили <scripts> </script>
их самих забрали, и ж
а там уже незакавычено.
возьмите вот хоть это _http://design-milk.com/the-butler-organizer-by-curtis-micklish/
попробуйте плиз

там есть правда, что попарсить, но удалиться не всё

 

[rostonix]

Ну вот так можно заменить:

<scripts>.*?</script>

на пустоту.
Если что-то остается, смотрите что еще очередной регуляркой сможете почистить.

 

[Lollipop]

Спасибо за оперативность,
но кой-чё остается...
дело в том, что Zenno при чистке исходного кода страницы забирает только сами теги "<scripts>" "</script>"(их нет уже), а всё что внутри остается.
это не совсем правильно.

 

[rostonix]

Вариант из моего прошлого поста как раз вырезает и тэги и то что между ними.

 

[Lollipop]

ох.
нету. совсем нету "<scripts>" "</script>"
нечего вырезать.
остатся в {-Page.Text-} - текст и кучки мусора в разных местах, которые раньше был между "<scripts>" "</script>"
и <scripts>.*?</script> некчему применять, если только к прошлой жизни

мне так кажется.

 

[rostonix]

Вот так наверн точнее

<script>[\w\W]*?</script>

 

[Lollipop]

Да, конечно, Вы правы, если на странице были бы 'script', то так лучше.

 

[rostonix]

Что-нить типа такого

<\w*?>[\w\W]*?</.*?>

 

[Lollipop]

То, что надо, спасибо.

А не лучше поправить сам код экшена "Взять Текст"? Экшен ведь предполагает на выходе чистый текст.

 

[rostonix]

Если вы про "выделение основной статьи", то там отсекаются не столько html элементы со своими аттрибутами, сколько комментарии, навигация по мере возможности и так далее.
Чтобы подвергать анализу максимально приближенный к основсному тексту кусок.

 

[Lollipop]

ну "выделение основной статьи", это на любителя, а вот если уж текст, так текст -
Табы->Данные->Взять Текст. по сути это {-Page.Text-} и он работает кривовато.

 

[rostonix]

и правда много мусора берется на примере вашей ссылки.
посмотрим.

 

[Lollipop]

посмотрите пожалуйста.
мусора там не просто много, его там больше чем текста, (сейчас много смотрю)
при удаленных <script> вычистить его практически невозможно, ибо он слишком многообразен

 

[Lollipop]

rostonix, а есть надежда, что это в ближайшем билде пофиксят?
имхо там просто помарка в коде.

 

[rostonix]

Не могу сказать точно

 

[Nick]

Удалить все тэги можно такой регуляркой:
<.*?>
Заменить ее на пустоту через операции с текстом.

А если использовать не Regex, а Text, как это выражение может выглядеть? Я пытался указывать <*> - не работает

 

[rostonix]

text ищет по точному совпадению.
соответственно <*> найдет только <*>

 

[Nick]

жаль, чо хотел бы такое предложение внести)

 

[rostonix]

для этого есть вторая опция: Regex )

 

[Trader1985]

Подскажите, пожалуйста, как спарсить не весь, а только определённый фрагмент текста на странице?
Сейчас делаю так:
1) Экшеном "Данные" беру (DOM) с помощью регулярки нужный мне фрагмент текста;
2) Далее, удаляю HTML теги через экшен "обработка текста" – замена на пустоту регуляркой <.*?>

Этот способ работает, но текст получается слипшейся, так как теги переноса на новую строку – <br /> удаляются тоже.
Как лучше парсить текст, чтобы его читабельность оставалась нормальной?

 

[Nick]

сделай пункт 1.5), в котором <br/> заменяй на {-String.Enter-}

 

[Trader1985]

Ага, спасибо, только хотел отписаться, что нашёл решение, но вы меня опередили! ))
Кстати, там ещё надо добавить удаление пустых строк регуляркой \n\r – иначе пустые строки получаются, а на сайте доноре просто перенос текста на новую строку – без пустоты.
Короче, какие-то танцы с бубном... )) Всё равно немного не так, как в источнике.