[LinuxFocus-icon]
<--  | Ana Sayfa  | Eri�imd�zeni  | ��indekiler  | Arama
Duyumlar | Belgelikler | Ba�lant�lar | LF Nedir
Bu makalenin farkl� dillerde bulundu�u adresler: English  Castellano  Deutsch  Francais  Italiano  Nederlands  Portugues  Russian  Turkce  

[Photo of the Author]
Guido Socher (homepage)

Yazar hakk�nda:

Olduk�a esnek ve h�zl� bir betik yaz�m dili olmas� sebebi ile Guido Perl'den ho�lanmaktad�r. Perl'�n a��kkod ile y�r�d���n�zde tan�d��� imkanlar� ve �zg�rl��� ifade eden "Bunu yapmak i�in birden fazla yolumuz var" slogan�n� sever.



T�rk�e'ye �eviri:
�nan� �z�ubuk�u <inanco(at)atlas.net.tr>

��erik:

 

Managing HTML with Perl, HTML::TagReader

[Illustration]

�zet:

E�er 10 HTML sayfas�ndan fazla bir sanal y�reyi idare etmek isterseniz size destek ama�l� baz� yaz�l�mlara ihtiya� oldu�unu g�receksiniz.
Bir�ok al���lagelmi� yaz�l�m dosyalar� sat�r sat�r (karakter karakter) okur. Maalesef sat�rlar�n SGML/XML/HTML dosyalar�nda bir anlam� yoktur. SGML/XML/HTML dosyalar� Etiket tabanl�d�r. HTML::TagReader bir dosyay� Etiket ile i�letmek i�in bir bile�endir.

Bu yaz� Perl'� biraz bildi�inizi varsaymaktad�r. E�er Perl ��renmek istiyorsan�z my Perl tutorials (January 2000) adresine bir g�z at�n.

_________________ _________________ _________________

 

Giri�

Al���la gelmi� dosyalar sat�r temellidir. �rnek olarak Unix'teki /etc/hosts, /etc/passwd tan�mlama dosyalar� gibi. Sat�r sat�r veri girmek ve d�zeltmek i�in fonksiyonlar�n�z�n oldu�u daha da eski i�letim sistemleri vard�r.
SGML/XML/HTML dosyalar� Etiket temellidir. Burada sat�rlar�n bir anlam� yoktur ama yine de dosya edit�rleri ve insanlar halen bir �ekilde sat�r tabanl�d�rlar.

�zellikle b�y�k HTML dosyalar� genelde bir dizi HTML kodu i�eren sat�rlardan olu�ur. "Tidy" gibi baz� ara�lar html'yi yorumlat�p okunabilir yaparlar. Biz HTML dahi olsa sat�rlar yerine Etiket kullanmaktay�z. Bunu C-kodu ile mukayese edebilirsiniz. Teorik olarak t�m kodu basit bir sat�rda yazabilirsiniz. Kimse bunu yapmaz. Yoksa okunamaz olur.
Bu sebeple bir HTML yaz�m denet�isinin "ERROR after tag 4123" yazmas�ndan �ok "ERROR: line ..." yazmas�n� beklersiniz. Bunun sebebi yaz�m arac�n�z�n belirtilen sat�ra kolayl�kla atlayabilmesidir.

Burada ihtiya� olan g�zel ve kolay bir yolla HTML dosyas�n� Etiket Etiket olarak i�lemek ve halen sat�r numaralar�n� tutmakt�r..  

Muhtemel bir ��z�m

Bir dosyay� Perl'de okuman�n en al���lm�� yolu while(<FILEHANDLE>) i�letimcisi kullanmakt�r. Bu veriyi sat�r sat�r okuyacak ve her sat�r� $_ de�i�kenine aktaracakt�r. Perl neden bunu yap�yor? Perl, "\n" sat�r sonunu ifade eden i�e y�nelik INPUT_RECORD_SEPARATOR olarak adland�r�lan bir de�i�kene sahiptir. E�er $/=">" olarak atarsan�z Perl ">" '� "sat�r sonu" gibi kullanacakt�r. A�a��daki komut sat�r� Perl beti�i sonunda hep ">" olacak �ekilde html dosyas�n� yeniden bi�imlendirecektir :

perl -ne 'sub BEGIN{$/=">";} s/\s+/ /g; print "$_\n";' file.html

Bir HTML dosyas� �una benzer

<html><p>some text here</p></html>
will become 
<html>
<p>
some text here</p>
</html>
�nemli olan yine de okunulabilirlik de�ildir. Yaz�l�m geli�tirici i�in �nemli olan verinin kodundaki fonksiyonlar�ndan Etiket Etiket ge�mesidir. Bununla birlikte as�l HTML ayr� sat�rlarda "a" ve "href" i�erse bile bir "<a href= ..." aramak kolay olacak.

"$/" (INPUT_RECORD_SEPARATOR) '� de�i�tirmek i�lemde art��a sebep olmaz ve olduk�a h�zl�d�r. Yine ayn� �ekilde kar��la�t�rma i�letimcisini ve al���lm�� deyimleri bir seri gibi kullanmak ve dosyay� al���lm�� deyimlerle i�lemek m�mk�nd�r. Bu biraz daha karma��k ve yava� olmakla birlikte s�kl�kla kullan�lmaktad�r.

Sorun nerede?? Bu yaz�n�n ba�l��� dedi ki HTML::TagReader fakat ben s�rekli ilave mod�ller gerektirmeyen daha basit ��z�mlerden bahsediyorum. Bu ��z�mde yanl�� olan bir �eyler olmal�: Di�er bir deyi�le "$/" (INPUT_RECORD_SEPARATOR) kullanmak sadece �zel durumlarda m�mk�nd�r.

Elimde neyi tart��t���m�z� g�sterir �ok yararl� bir �rnek program var. Her ne kadar "$/"� "<"ye atasa da web taray�c�lar� yanl�� konmu� "<" yi ">" gibi destekleyemez. Bu sebeple ">" yerine yanl�� "<" yerle�tirilmi� web sayfas� daha azd�r. Program tr_tagcontentgrep(click to view) olarak adland�r�lmakta ve sat�r numaras�n�n kayd�n�n nas�l tutuldu�unu da kod i�erisinde g�rebilirsiniz. tr_tagcontentgrep, Etiket bir�ok sat�rdan olu�uyor olsa bile, bir dizi (�r: "img") "grep" etmek i�in kullan�labilir. �una benzer:

tr_tagcontentgrep -l img file.html
index.html:53: <IMG src="../images/transpix.gif" alt="">
index.html:257: <IMG SRC="../Logo.gif" width=128 height=53>

 

HTML::TagReader

HTML::TagReader iki sorunu INPUT_RECORD_SEPARATOR '� uyarlamakla ��z�mler ve ayn� zamanda d�z yaz�lar� Etiket'lerden ay�rmak i�in �ok daha ho� bir yol sunar. Y�kl� bir HTML:Parser gibi a��r de�ildir ve html kodunu i�letince size istedi�iniz �eyi sunar:Etiket Etiket okuma y�ntemidir.

Bu kadar laf yeter. ��te nas�l kullanaca��n�z. �nce kodunuz i�erisine mod�l� y�klemek i�in
use HTML::TagReader;
yazmal�s�n�z. Sonu�ta
my $p=new HTML::TagReader "filename";
kullanarak "dosyaismi" dosyas�n� a�ar�z ve $p i�erisindeki nesneyi getiririz. Bir sonraki Etiket'i almak i�in �imdi $p->gettag(0) veya $p->getbytoken(0) �a��rabiliriz. getbytoken Etiket'ler aras�ndaki d�z yaz�lar� verirken gettag sadece Etiket'leri d�nd�r�r (< ve > aras�ndaki i�) ve onun ne oldu�unu size s�yler (Etiket veya d�z yaz�). Bu fonksiyonla html dosyalar�n� i�letmek olduk�a basittir. Aslen geni� bir sanal y�reyi y�netmektir. T�m yaz�m �ekline man page of HTML::TagReader adresinden eri�ilebilir.

�imdi ger�ek bir �rnek program. D�k�man numaras�na g�re d�k�man ba�l��� basmakta: 
#!/usr/bin/perl -w
use strict;
use HTML::TagReader;
#
die "USAGE: htmltitle file.html [file2.html...]\n" unless($ARGV[0]);
my $printnow=0;
my ($tagOrText,$tagtype,$linenumber,$column);
#
for my $file (@ARGV){
  my $p=new HTML::TagReader "$file";
  # read the file with getbytoken:
  while(($tagOrText,$tagtype,$linenumber,$column) = $p->getbytoken(0)){
  if ($tagtype eq "title"){
    $printnow=1;
    print "${file}:${linenumber}:${column}: ";
    next;
  }
  next unless($printnow);
  if ($tagtype eq "/title" || $tagtype eq "/head" ){
    $printnow=0;
    print "\n";
    next;
  }
  $tagOrText=~s/\s+/ /; #kill newline, double space and tabs
  print $tagOrText;
  }
}
# vim: set sw=4 ts=4 si et:
Nas�l �al���yor? <title> yada <Title> yada <TITLE> ($tagtype olarak "title"a e�it olarak d�nd�ler) buldu�umuz zaman $p->getbytoken(0) ile html dosyas�n� okuyoruz. Ard�ndan basmaya ba�lamak i�in bir bayrak ($printnow) at�yoruz ve ne zaman ki </title> bulduk, basmay� durduyoruz.
Program� �u �ekilde kullan�yoruz:

htmltitle file.html somedir/index.html
file.html:4: the cool perl page
somedir/index.html:9: joe's homepage

Elbette tr_tagcontentgrep 'i a�a��dan HTML::TagReader ile uygulamak m�mk�n. Yazmak i�in biraz daha k�sa ve basit olarak:

#!/usr/bin/perl -w
use HTML::TagReader;
die "USAGE: taggrep.pl searchexpr file.html\n" unless ($ARGV[1]);
my $expression = shift;
my @tag;
for my $file (@ARGV){
  my $p=new HTML::TagReader "$file";
  while(@tag = $p->gettag(0)){
    # $tag[0] is the tag (e.g <a href=...>)
    # $tag[1]=linenumber $tag[2]=column
    if ($tag[0]=~/$expression/io){
      print "$file:$tag[1]:$tag[2]: $tag[0]\n";
    }
  }
}
Betik k�sad�r ve fazla hata kald�rmaz ancak �te yandan tamamen i�levseldir. "gif" de�i�kenini yakalamak i�in yaz�lmas� gereken:

taggrep.pl gif file.html
file.html:135:15: <img src="images/2doc.gif" width=34 height=22>
file.html:140:1: <img src="images/tst.gif" height="164" width="173">

Bir �rnek daha? ��te t�m <font...> ve </font> Etiket'lerini html kodundan ay�klayacak bir program. Bu font Etiket'leri baz� zay�f grafik tabanl� taray�c�lar taraf�ndan yo�un olarak kullan�lmakta ve farkl� taray�c�lar ve ekran boyutlar� ile g�r�nt�lenmeye �al���ld�klar�nda sorun yaratmaktad�rlar. Bu basit s�r�m t�m font Etiket'leri ay�klamakta. Sadece font y�z� ve boyutunu ayarlamak ve rengi de�i�meden b�rakmak i�in kullanabilirsiniz.

#!/usr/bin/perl -w
use strict;
use HTML::TagReader;
# strip all font tags from html code but leave the rest of the
# code un-changed.
die "USAGE: delfont file.html > newfile.html\n" unless ($ARGV[0]);
my $file = $ARGV[0];
my ($tagOrText,$tagtype,$linenumber,$column);
#
my $p=new HTML::TagReader "$file";
# read the file with getbytoken:
while(($tagOrText,$tagtype,$linenumber,$column) = $p->getbytoken(0)){
  if ($tagtype eq "font" || $tagtype eq "/font"){
    print STDERR "${file}:${linenumber}:${column}: deleting $tagtype\n";
    next;
  }
  print $tagOrText;
}
# vim: set sw=4 ts=4 si et:
G�rd���n�z gibi sadece birka� sat�rla kolayca kullan��l� programlar yaz�labiliyor.
HTML::TagReader (�rneklere bkz) paket kaynak kodu baz� HTML::TagReader uygulamalar�n� zaten i�ermektedir: tr_xlnk ve tr_staticssi bir sanal y�reden CDRom yapmak istedi�inizde �ok kullan��l�d�r. Bir sanal y�re sunucusu http://www.linuxfocus.org yazd���n�zda (index.html olmaks�z�n) size http://www.linuxfocus.org/index.html'yi verecektir. E�er ki t�m dosyalar� ve dizinleri CD ye yazm�� ve taray�c�n�z arac�l��� ile do�rudan CD ye eri�iyorsan�z (dosya:/mnt/cdrom) bu durumda index.html yerine dizin listesi g�receksiniz ve bu i�lem bir dizini g�steren her linki se�ti�inizde tekrarlanacakt�r. �lk LinuxFocusCD yi yapan �irket bu hatay� yapt� ve CD yi kullan�m a��s�nda bir felaket oldu. �imdi veriyi tr_xlnk ile al�yorlar ve CD ler �al���yor.

Eminim ki HTML::TagReader '� kullan��l� bulacaks�n�z. Mutlu programlamalar!  

References

 

Bu yaz� i�in g�r�� bildiriminde bulunabilirsiniz

Her yaz� kendi g�r�� bildirim sayfas�na sahiptir. Bu sayfaya yorumlar�n�z� yazabilir ve di�er okuyucular�n yorumlar�na bakabilirsiniz.
 talkback page 
<--, Bu say�n�n ana sayfas�na gider
G�rsely�re sayfalar�n�n bak�m�, LinuxFocus Edit�rleri taraf�ndan yap�lmaktad�r
© Guido Socher, FDL
LinuxFocus.org 		�eviri bilgisi:
en --> -- : Guido Socher (homepage)
en --> tr: �nan� �z�ubuk�u <inanco(at)atlas.net.tr>

2003-10-10, generated by lfparser version 2.43