Question

所以我有一个第三方生成的HTML文件，每天通过电子邮件发送给我（和我的小组）。它包含一个ID no，名称和多个电子邮件地址表（如果适用）。它用于更新AD中的组成员身份，我希望能够在powershell中执行此操作，因为组成员身份更新部分很容易。用于提取电子邮件地址的解析HTML文件（也是它们的AD用户名）是最难的部分。我有点傻了。我已经尝试过使用HTMLAgilityParser，它看起来并不适用于我的目的。如果我能够以某种方式将数据转换为.CSV以便于使用，那将非常棒。

我需要的是A）直接从HTML中提取电子邮件地址并将它们放在CSV文件中或B）将HTML文件转换为.CSV进行解析。

原因是这些数据每天都有，因此必须自动化。

谢谢！

来自html文件的示例，所有识别信息已被删除和/或调整：

<table>
<tr>
<td class=xl27>
<span class=font7>ID</span>
</td>
<td class=xl27>
<span class=font7>Name</span>
</td>
<td class=xl27>
<span class=font7>Primary E-Mail</span>
</td>
<td class=xl27>
<span class=font7>Alternate E-Mail</span>
</td>
</tr>
<tr>
<td class=xl28>
<span class=font8>00000000</span>
</td>
<td class=xl28>
<span class=font8>Smith,John R</span>
</td>
<td class=xl28>
<span class=font8></span>
</td>
<td class=xl28>
<span class=font8>John_Smith@addr</span>
</td>
</tr>

Answer 1

这是解决方案的开始，不太好...... 它假设HtmlAgilityPack.dll位于目录脚本文件的Html-Agility-Pack目录中。

Add-Type -Path "$(Split-Path -parent $PSCommandPath)\Html-Agility-Pack\HtmlAgilityPack.dll"


$webGraber = New-Object -TypeName HtmlAgilityPack.HtmlWeb
$webDoc = $webGraber.Load("C:\temp\t.htm")
$trDatas = $webDoc.DocumentNode.ChildNodes.Elements("tr")

Remove-Item "c:\temp\t.csv"

foreach ($trData in $trDatas)
{
  $tdDatas = $trData.elements("td")
  $line = ""
  foreach ($tdData in $tdDatas)
  {
    $line = $line + $tdData.InnerText.Trim() + ','
  }
  $line.Remove($line.Length -1) | Out-File -FilePath "c:\temp\t.csv" -Append
}

Answer 2

我对发布这个答案毫不犹豫，因为它对这种情况非常具体，但这可以通过简单的字符串方法来完成。首先获取html文件的内容：

$htmlContent = Get-Content -Path 'thePath\andFile.html'

接下来，从包含您要查找的值的html数据中选择字符串。这部分绝对特定于你的html结构：

$stringsWithDesiredValues = $htmlContent.Where({$_ -like '*<span class=font8>*'})

现在我们可以使用foreach并使用'＆gt;'的索引和'＆lt;'获得只有所需值的子字符串。

foreach($htmlString in $stringsWithDesiredValues){
$firstIndex = $htmlString.IndexOf('>') + 1
$lastIndex = $htmlString.LastIndexOf('<')
$lengthOfSubstring = $lastIndex - $firstIndex
$desiredValue = $htmlString.Substring($firstIndex,$lengthOfSubstring)
$desiredValue}

当然我在这里没有做任何具有所需值的事情，但是这个脚本会写出值，这样你就可以看到它们是正确的。显然，您可以在循环中捕获这些值，并按照您的意愿处理它们。一个丑陋的解决方案，我只发布它，因为没有其他答案建议。

使用PowerShell将HTML文件转换为.CSV

2 个答案: