批处理之家 - Powered by Discuz! Board

标题: [文本处理] [求助]抓爱词霸页面信息 [打印本页]

作者: lllsoslll 时间: 2012-11-1 23:42 标题: [求助]抓爱词霸页面信息

把 http://www.iciba.com/batch 的信息抓下来，
获取 batch 的单词解释
三方工具提供如下： wget  awk  grep  sed  iconv
                        或者精简版perl5.6(perl.exe perl56.dll 下载http://ishare.iask.sina.com.cn/f/14534556.html)
                        vbs 也可

作者: tmplinshi 时间: 2012-11-2 01:14

本帖最后由 tmplinshi 于 2012-11-2 01:27 编辑

curl http://dict-co.iciba.com/api/dictionary.php?w=batch -s | iconv -f utf-8 -c | sed -n -r "s/^<acceptation>(.*)(<\/acceptation>)?$/\1/p"
复制代码

wget -O - http://dict-co.iciba.com/api/dictionary.php?w=batch -q | iconv -f utf-8 -c | sed -n -r "s/^<acceptation>(.*)(<\/acceptation>)?$/\1/p"
复制代码

作者: lllsoslll 时间: 2012-11-2 20:19

谢谢，
http://dict-co.iciba.com/api/dictionary.php?w=batch

你是如何分析出这个 url的？

作者: tmplinshi 时间: 2012-11-2 20:37

本帖最后由 tmplinshi 于 2012-11-2 20:41 编辑

回复 3# lllsoslll

在 Google 里搜索爱词霸 api 找到的。

作者: lllsoslll 时间: 2012-11-3 11:20

在这个帖子中，sed 如何非贪婪匹配？

<?xml version="1.0" encoding="UTF-8"?>
<dict num="219" id="219" name="219">
<key>batch</key>
<p>
1234567890234567
</p>
aaaaaaa
<p>
<ps>bt</ps>
复制代码

替换为

batch
bt
1234567890234567
aaaaaaa
复制代码

作者: tmplinshi 时间: 2012-11-3 12:22

本帖最后由 tmplinshi 于 2012-11-3 12:24 编辑

回复 5# lllsoslll

<?xml version="1.0" encoding="UTF-8"?>
<dict num="219" id="219" name="219">
<key>batch</key>
<p>
1234567890234567
</p>
aaaaaaa
<p>
<ps>bt</ps>

红色部分是怎么来的？

这样？

sed "s/<[^>]*>//g"
复制代码

作者: lllsoslll 时间: 2012-11-3 19:30

这个api 很不稳定啊，有时候返回的结果有例句，有时候又没有，有时候会阻塞很长时间，

作者: wc726842270 时间: 2012-11-4 03:53

在此膜拜一下老大的思路，我是肯定想不到查找后加个API的，

作者: tmplinshi 时间: 2012-11-4 08:55

这个api 很不稳定啊，有时候返回的结果有例句，有时候又没有，有时候会阻塞很长时间，
lllsoslll 发表于 2012-11-3 19:30

我也发现经常响应很慢。

wget -O - -q http://www.iciba.com/batch | sed -n -r "/^\t{3,}<label>/!d; s/^[^>]*>(.*)<.*$/\1/p" | iconv -f utf-8 | sed -n "H;${g;s/；\n/；/g;p}"
复制代码

欢迎光临批处理之家 (http://bbs.bathome.net/)