Парсинг файлов doc из выдачи гугл

Тема в разделе "Скачивание картинок и файлов", создана пользователем News066, 26 авг 2014.

  1. News066

    News066 New Member Пользователи

    Регистрация:
    23 авг 2014
    Сообщения:
    3
    Суть вопроса проста. Какие параметры задать программе, на каждом уровне?

    Просмотрел и прочитал много тем, не осуждайте, если что не так!

    Задался следующей целью!

    1. По ключевым запросам вытащить из поисковика (например гугл) ссылки на скачивание документов doc. (рис.1)

    2. ссылки использовать для парсинга файлов, которым задать уникальные имена (в случае если имя отсутствует и скачка файла идет в виде 1.doc)
    3. Скачивание файлов идет на HDD в заранее подготовленные папки.

    Алгоритм прост, но как сделать не знаю.

    1.А именно, как правильно задать параметры шаблона для ссылок, чтобы ссылки парсились только на скачивание doc файлов, кои имеются в списке выдачи гугла.
    (примерно думал задать прописать в шаблоне doc)
    2. Какие параметры задать при парсинге чтобы их вообще скачать в виде файлов ворд, как присвоить имена (в идеале файл должен иметь латинское название, возможно где в коде ссылки привязку сделать)
    (1 поток, 5000 мс)
    (C этим вообще сложно у меня, макрос downloadfile еще понятно как использовать, дальше тормоза)
    3. Как настроить закачку в определенные папки исходя из названия файла.
    Смысл накачать базу ворд файлов: исковых заявлений, заявлений, доверенностей, ходатайств жалоб.

    P.S. Понимаю, что могу обратиться за оплату и попросить настроить, НО все же, если кто поделится информацией в рамках такого проекта буду признателен. Очень много про картинки написано, а про файлы мало.
    Проект не горит (задумка для себя) очень хочется поэтому разобраться в назначении функций программы и правильном применении в рамках такого проекта!
    Заранее всем спасибо!
     

    Вложения:

  2. Kreol

    Kreol Модератор Команда форума Модератор

    Регистрация:
    6 янв 2013
    Сообщения:
    2.666
    Здравствуйте!
    1) Логично что для скачивания doc файла, нужно в границе поставить
    от href=" до .doc" и все это дело обрабатывать в повторяющихся границах.
    2 и 3) использовать связку [DFN]здесь формируете нужный путь, если необходио взять часть имени файла, то делается это тут же с пмощью макроса [FIRST_REPLACE(тут указываете, что нужно удалить из ссылки на файл|)][VALUE][/FIRST_REPLACE][/DFN]<DOWNLOADFILE>[VALUE]</DOWNLOADFILE> почитать подробнее про DFN и тд можно тут Ссылки недоступны для гостей
     

Поделиться этой страницей