Question

所以...我有一个HTML文件，其中包含一个包含约2k人数据的表。这些数据包括（但不限于）地址，电子邮件，电话，银行账户等。

我需要将所有这些数据都放到MySQL数据库中。到目前为止，我的尝试是：

1）将其全部放在 form 标记内，并尝试（jquery-）序列化它。太大。

2）在HTML结构中找到一个模式，以便我可以：

a）编写千个的SQL插入查询或

b）在服务器端程序中接收它。

没有找到模式。

3）只需访问包含数据库即可。不。所有数据都在这里。数据库消失了。消失了。

该文件大约46MB，共包含1,086,177行。这些中有空行。因此，只需尝试在Notepad ++中打开文件大约需要5秒钟，在Chrome中运行它会占用大约400MB RAM，甚至VIM也需要一段时间来运行它。

实际上，它并不那么困难。我的意思是，有一个

<table align="center" width="100%">
   <tbody>

在它之上...问题是所有数据，独立于什么或者是谁，仅由无穷无尽的行分隔，例如

 <tr>
  <td nowrap="" align="right" valign="baseline"> 
    <div align="right"><font face="Verdana, Arial, Helvetica, sans-serif" size="1"><font color="#FF0000">*</font> 
      Email:</font></div>
  </td>
  <td nowrap="" align="left" valign="baseline"><font face="Verdana, Arial, Helvetica, sans-serif" size="2" color="#0000CC"><b> 
    <font color="#990000">email</font></b></font> </td>
  <td nowrap="" align="right" valign="baseline"><font face="Verdana, Arial, Helvetica, sans-serif" size="1"> 
    __Password__: </font></td>
  <td nowrap="" align="right" valign="baseline"> 
    <div align="left"> 
      **** 
    </div>
  </td>
  </tr>

任何，任何，任何的想法都是非常受欢迎的。

编辑：为了让事情更清楚：我需要找到一个模式。 VIM / Notepad ++查找/替换表达式来创建某些东西我可以扔进MySQL数据库以某种方式 - 包括SQL脚本，后查询字符串等。

Answer 1

事实证明，你可以简化事情。首先，在一些更好的文本编辑器（如Notepad++）中打开它，并用空字符串替换制表符，连续空格和换行符。这应该会减少文件的大小。

然后在浏览器中打开它，并在控制台中运行此代码段：

var cells = document.getElementsByTagName('td')
for (i = 0; i < cells.length; i++) {
    cells[i].innerHTML = cells[i].innerText
}

我用你提供的HTML运行它，结果DOM（通过document.body.innerHTML获得）是这样的：

<table align="center" width="100%">
   <tbody>
  <tr>
  <td nowrap="" align="right" valign="baseline">* Email:
</td>
  <td nowrap="" align="left" valign="baseline">email</td>
  <td nowrap="" align="right" valign="baseline">__Password__:</td>
  <td nowrap="" align="right" valign="baseline">****</td>
  </tr>
  </tbody>
</table>

如您所见，不必要的<font>和<div>标签不再存在。现在，如果您忽略这些属性，那么您将拥有一个包含模式的单元格的表：

<td>name</td>
<td>value</td>
<td>name</td>
<td>value</td>

[编辑开始]

好的，这是另一个进一步简化事情的脚本：

var cells = document.getElementsByTagName('td');
for (i = 0; i < cells.length; i++) {
    cells[i].outerHTML = '<td>' + cells[i].innerHTML + '</td>';
}

这将DOM简化为以下内容：

<table align="center" width="100%">
   <tbody>
  <tr>
  <td>* Email:
</td>
  <td>email</td>
  <td>__Password__:</td>
  <td>****</td>
  </tr>
  </tbody>
</table>

[编辑结束]

所以这些是名称值对。

您可以使用此处提供的代码段将HTML复制到剪贴板：How do I copy to the clipboard in JavaScript?

复制后，您可以将其保存到文件中。如果这也无法用于数据提取，您可以以这种方式一次一个地使用简单脚本继续简化文档。

将大量HTML数据传递到SQL数据库

1 个答案: