Daten (im Sinne von Datum) aus Webseiten extrahieren

[kevla]

Hey,

ich möchte Daten (im Sinne von Datum) aus Webseiten extrahieren, am besten das Datum und den Satz in dem das Datum steht. Man muss ja die ganzen verschiedenen Ausgabeformate berücksichtigen, wie 31.09.2013 31/09/2013 , das englische 09/31/2013 oder auch ausgeschriebenes wie 08.Mai.2014 - kennt vielleicht jemand schon was fertiges oder Anregungen dazu?

Thx!🙂
Kevin

 

[BuckRogers]

Ist das deine eigene Website oder eine beliebige und du hast nur den html code aus dem Browser zur Verfügung?

 

[Natac]

Das beste was mir einfällt: SimpleDateFormat.

Du wirst jede Format anlegen und einen parsing-Versuch starten müssen. Schlägt dieser Fehl, so nimmst du das nächste Format.

Bedenke, dass du nicht jedem Datum ansiehst, wie es Stukturiert ist:
03/02/2000 -> 3. Feb oder 2.März!?

 

[kevla]

Könntest du mir die ersten klassen für jeweils eine Version anlegen, damit ich das KOnzept habe?! Bin kompletter Javanoob aber denke wenn ich pro format nur eine Zeile von euch hätte, könnte ich den rest vielleicht auch selbst schaffen. Thx a lot, wäre sehr dankbar!

 

[DaveIT]

Ich würde hier mit regular expressions arbeiten. damit kannst du bestimmte zeichenkombinationionen bestimmen die erkannt werden sollen. gerade im bereich von webseiten wird sehr viel mit regular expressions gearbeitet.

willst du, wie bereits gefragt wurde, die dateien durchforsten ( also eine datei einlesen und den inhalt überprüfen ) oder den dargestellten, sichtbaren content?

 

[kevla]

Die .html Datei hätte ich, ja, also einlesen. Habe auch ein Regex Beispiel gefunden,

Parse any date in Java - Stack Overflow

wie kann ich bei dem Beispiel nun mein html-Verzeichnis angeben, und was mir wie gesagt auch wichtig wäre ist, dass der eine Satz in dem das Datum steht, auch mit ausgegben wird.

Andere Beispiele, die denke ich noch genauer sind, wären das hier:
Natty Date Parser
Wenn das jemand mal dort anwenden könnte, wäre super.

Was auch interessant ist, sind so fertig API's,
https://www.kimonolabs.com/

 

[DaveIT]

Bau dir doch einfach mal einen einfachen parser für einen fall:

du liest die daten ein und parst sie nach der datumskombination. wenn eine kombination gefunden wird lässt du dir die postion geben und speicherst string und datum ab. dann parst du weiter.
deinen string bekommst du wenn du vor und nach dem datum zum nächsten satzpunkt gehst.

wenn das mal läuft kannst du es immer noch verbessern.