Поиск  Пользователи  Правила  Войти
Форумы "Планета Excel" » Вопросы по Microsoft Excel
Страницы: 1
RSS
Удаление/замена html тегов в ячейках
 
#1
03.05.2017 21:34:00
привет! подскажите пожалуйста как сделать массовую "чистку в ячейках" ...есть файл выгрузки из интернет-магазина, его нужно подготовить для импорта в яндекс маркет, по требованиям Маркета можно оставить только теги: <h1><ul>[*]<p><br>

как в столбце description (AE) убрать лишние html теги - style, class, div, span, strong... сохранив при этом стандартное форматирование - переносы строк, списки и выделения заголовков как на скриншоте

пытался копировать ячейки в notepad++ и через регулярные выражения делать замены, но удаляется не только то что не нужно  :sceptic:  или руки кривые или одно из двух :D  
 
 
 
#2
03.05.2017 21:52:28
Этот макрос за секунду уберет все атрибуты в тегах

Код
Sub ЧисткаHTML()
    Dim cell As Range
    For Each cell In ActiveSheet.UsedRange.Columns(31).Cells
        cell = HTML_DeleteAttributes(cell)
    Next cell
End Sub

Function HTML_DeleteAttributes(ByVal txt$)
    On Error Resume Next
    With CreateObject("VBScript.RegExp")
        .Global = True
        .Pattern = "(<[A-Za-z1-6]+)[^<>]*(>)"
        txt$ = .Replace(txt$, "$1$2")
        .Pattern = ">\s*<"
        txt$ = .Replace(txt$, "><")
    End With
    HTML_DeleteAttributes = txt$
End Function


Останется только удалить лишние пустые теги
Надстройки для Excel  Парсинг сайтов  Мониторинг цен конкурентов
 
 
 
#3
03.05.2017 21:56:41
Я бы сделал вот как:
1) применил макрос из поста выше для очистки тегов от атрибутов
2) заменил бы РАЗРЕШЕННЫЕ теги на какой-то специфический текст, например, меняем <h1> на ЖНУПИМЫКЕ,
не забывая заменить обратные теги типа </h1> на IURJHWK72
3) преобразовываем HTML в текст, - все лишние теги исчезают
4) делаем обратные замены, восстанавливая нужные теги, - меняем все ЖНУПИМЫКЕ на <h1> и т.д.
Надстройки для Excel  Парсинг сайтов  Мониторинг цен конкурентов
 
 
 
#4
04.05.2017 12:19:16
спасибо огромное Игорь, в принципе макроса было достаточно, остальное вручную доработаю! как вы таким макросы пишете? это скрипты какие то или вручную набираете весь код!?
 
 
 
#5
08.08.2017 16:29:20
Цитата
Игорь написал:
Останется только удалить лишние пустые теги
хороший код
а как сделать что он удалял все содержимое скобок < >
а вместо них ставил пробел
 
 
 
#6
08.08.2017 16:47:32
и скобки тоже
 
 
 
#7
08.08.2017 18:10:21
Ctrl+H
<*> заменить на ничего

Не?
 
 
 
#8
08.08.2017 18:44:11
Или так:
Код
Sub skobki()
Selection.Replace What:="<*>", Replacement:=""
End Sub
Только сначала выделить весь диапазон, где могут быть <текст....>
 
 
 
#9
08.08.2017 20:07:43
_Igor_61, спасибо
 
 
 
#10
22.05.2018 08:01:48
А как и что в этом макросе прописать, чтоб внутри тегов оставались неудаленными colspan  и rowspan и их значения?

Например:
из этого тега <td style=width:115.55pt,border:solid windowtext 1.0pt, mso-border-alt:solid windowtext .5pt,padding:0cm 5.4pt 0cm 5.4pt rowspan=2 width=154 valign=top> должно остаться <td rowspan=2>.

Причем может быть и такая ситуация, что присутствует и colspan:

<td colspan=3 style=width:115.55pt,border:solid windowtext 1.0pt, mso-border-alt:solid windowtext .5pt,padding:0cm 5.4pt 0cm 5.4pt rowspan=2 width=154 valign=top>.
А на выходе должно получиться так:
<td colspan=3 rowspan=2>

Причем необходимо учесть, что значения могут быть разными - от 2 до 12 (как rowspan, так colspan).
 
 
 
#11
22.05.2018 08:46:03
Доброе время суток.
Цитата
dsg написал:
А как и что в этом макросе прописать
Полагаю, что для этого нужно создать отдельную тему.
 
 
 
#12
22.05.2018 09:06:28
Андрей VG, я думаю что в макросе, который опубликовал выше Игорь, нужно просто добавить исключения, а может прописать еще  одну строку с этими исключениями. И будет понятно по ходу чтения данной темы, как делать исключения для определенных значений при удалении.
Не хотел множить темы, но если уж не ответят - тогда создам новую :)
 
 
 
#13
22.05.2018 09:13:39
Цитата
dsg написал: нужно просто добавить исключения
Анализ текста регулярными выражениями (RegExp) в Excel
Согласие есть продукт при полном непротивлении сторон
 
 
 
#14
22.05.2018 09:34:41
Цитата
dsg написал:
Не хотел множить темы
Основной смысл форума не в том, чтобы не множить темы, а в том чтобы по запросу находить существующие решения. Так как бы звучит не явное правило форума. Поэтому в правилах и прописано про: один вопрос - одна тема, о конкретности вопроса.
 
 
 
#15
22.05.2018 09:36:22
Забыл прикрепить файл. Пример одной позиции,  в которой надо почистить лишний "мусор" в тегах прикрепляю.
 
 
 
#16
22.05.2018 09:40:02
Андрей VG, я понял.  
 
 
 
#17
24.10.2019 13:10:01
Добрый день, помогите разобраться... запустил макрос, но он не почистил выгрузку от html стилей. Подскажите, как очистить от лишнего...
вот пример таблицы...
 
 
 
#18
25.10.2019 11:10:59
Приложите файл с макросом, про который пишете, что он не чистит.
 
 
 
#19
25.10.2019 16:58:45
_Igor_61,  попробовал этот макрос который выложил Игорь

Sub ЧисткаHTML()
   Dim cell As Range
   For Each cell In ActiveSheet.UsedRange.Columns(31).Cells
       cell = HTML_DeleteAttributes(cell)
   Next cell
End Sub

Function HTML_DeleteAttributes(ByVal txt$)
   On Error Resume Next
   With CreateObject("VBScript.RegExp")
       .Global = True
       .Pattern = "(<[A-Za-z1-6]+)[^<>]*(>)"
       txt$ = .Replace(txt$, "$1$2")
       .Pattern = ">\s*<"
       txt$ = .Replace(txt$, "><")
   End With
   HTML_DeleteAttributes = txt$
End Function
 
 
 
#20
04.01.2025 11:59:09
А можно ли сделать то же самое, но с помощью Power Query?
Пробовал прикрутить RegExp с использованием статей из "Приёмов", не хватает знаний :cry:  
Изменено: garry24 - 05.01.2025 18:10:09
 
 
 
#21
07.01.2025 18:48:34
Цитата
garry24 написал:
Пробовал прикрутить RegExp с использованием статей из "Приёмов", не хватает знаний
Попробовал 'прикрутить' другую функцию JS (replace()) к PQ (по мотивам статьи по ссылке выше).
Что-то получилось. На 1000+ строк Вашего файла - 15 ошибок (пустые строки в запросе).
Не спрашивайте каких/почему/как исправить, сам только учусь PQ :D
Код функции в PQ
Код
let fx=(txt as text, ptrn as text, repl as text)=>
    Web.Page(
        "<script>
            var iStr='"&txt&"';
            var pattern=/"&ptrn&"/gi;
            var replacement='"&repl&"';
            var result=iStr.replace(pattern,replacement);
            document.write(result);
        </script>")[Data]{0}[Children]{0}[Children]{1}[Text]{0}
in
fx

П.С. используемый паттерн - (<([^>]+)>) Отсюда
Изменено: Sanja - 07.01.2025 18:52:08
Согласие есть продукт при полном непротивлении сторон
 
 
 
#22
09.01.2025 12:51:19
Sanja, если "очистить" исходный текст перед обработкой регулярками, то ошибок станет значительно меньше )

Скрытый текст
Изменено: nilske - 09.01.2025 16:07:54
 
 
 
#23
09.01.2025 17:39:39
nilske, я так и знал, что истина где-то рядом) Спасибо
Согласие есть продукт при полном непротивлении сторон
 
 
 
#24
21.01.2025 17:36:09
Искренне благодарю!
 
 
 
Страницы: 1
Читают тему
Наверх