lehrkraefte:blc:informatik:glf4-20:umgang-mit-dateien:challenge5 [https://fginfo.ksbg.ch Fachgruppe Informatik der KSBG]

This page is read only. You can view the source, but not change it. Ask your administrator if you think this is wrong.

====== Datenextraktion mit Regular Expressions in Python ======
===== Beispiel: Spiele des FC St. Gallen =====
<WRAP todo>
  * Besuchen Sie die Seite https://www.fcsg.ch/home/saison/1--mannschaft/resultate/. 
  * Schauen Sie sich den HTML-Code der Seite an (Ctrl-U) und suchen Sie darin die Resultate
  * Speichern Sie die Seite (nur den HTML-Code) unter dem Namen ''resultate.html''.
  * Öffnen Sie die Seite in Notepad++, damit Sie eine Übersicht über den HTML-Code haben.
  * Kopieren Sie folgendes Code-Skellett nach TigerJython und speichern Sie die Python-Datei im gleichen Ordner wie die obige html-Datei.
<code python>
import re        # Regular Expressions

f = open("resultate.html")   # Datei zum Lesen öffnen
html = f.read()              # Alles einlesen (ohne als json zu interpretieren). Man erhät einfach eine (sehr lange) Zeichenkette.
f.close()                    # Datei schliessen

html = html.replace("\n","") # Alle Zeilenumbrüche löschen (werden von . nicht gematcht)

spiele = re.findall(r"<div class=\"match\">(.*?)</div></div></div></div>", html)

for s in spiele:
  print(s)

  # Die gewünschten Daten mit weiteren Regular Expressions auslesen, z.B Datum und Score:
  datum = re.findall(r"match-date\".(.*?)</strong.*?score\">(.*?)<", s)[0]  # Nur das erste Regex-Match (mehr sollte es sowieso nicht geben)
  print(datum)
  print("\n\n\n")
</code>


</WRAP>