Записи из <tr>в Html-таблице с использованием стрелок и HXT в Haskell

Нужно извлечь записи из таблицы в очень хорошо сформированную таблицу HTMl, используя HXT. Я рассмотрел несколько примеров SO и документации HXT, таких как:

Моя проблема:

Я хочу однозначно идентифицировать таблицу по известному идентификатору, а затем для каждого tr в этой таблице создать объект записи и вернуть его в виде списка записей.

Вот мой HTML

<!DOCTYPE html>
<head>
  <title>FakeHTML</title>
</head>
<body>
  <table id="fakeout-dont-get-me">
    <thead><tr><td>Null</td></tr></thead>
    <tbody><tr><td>Junk!</td></tr></tbody>
  </table>
  <table id="Greatest-Table">
    <thead>
      <tr><td>Name</td><td>Favorite Rock</td></tr>
    </thead>
    <tbody>
      <tr id="rock1">
        <td>Fred</td>
        <td>Igneous</td>
      </tr>
      <tr id="rock2">
        <td>Bill</td>
        <td>Sedimentary</td>
      </tr>
    </tbody>
  </table>
</body>
</html>

Вот код, который я пытаюсь, наряду с двумя различными подходами к анализу этого. Во-первых, импорт...

{-# LANGUAGE Arrows, OverloadedStrings, DeriveDataTypeable, FlexibleContexts  #-}
import Text.XML.HXT.Core
import Text.HandsomeSoup
import Text.XML.HXT.XPath.XPathEval
import Data.Tree.NTree.TypeDefs
import Text.XML.HXT.XPath.Arrows

То, что я хочу, это список Rockrecs, например, из...

recs = [("rock1", "Name", "Fred", "Favorite Rock", "Igneous"),
        ("rock2", "Name", "Bill", "Favorite Rock", "Sedimentary")]

data Rockrec = Rockrec { rockID:: String,
                         rockName :: String,
                         rockFav :: String} deriving Show

rocks = [(\(a,_,b,_,c) -> Rockrec a b c ) r | r <- recs]
-- [Rockrec {rockID = "rock1", rockName = "Fred", rockFav = "Igneous"},
--  Rockrec {rockID = "rock2", rockName = "Bill", rockFav = "Sedimentary"}]

Вот мой первый способ, который использует связывание на runLA после того, как я верну связку [XMLTree]. То есть я делаю первый анализ только для того, чтобы получить правильную таблицу, затем обрабатываю строки дерева после первого захвата.

Попытка 1

getTab = do
  dt <- Prelude.readFile "fake.html"
  let html = parseHtml dt
  tab <- runX $ html //> hasAttrValue "id" (== "Greatest-Table")
  return tab
  -- hmm, now this gets tricky...

-- table <- getTab

node tag = multi (hasName tag)

-- a la https://stackru.com/questions/3901492/running-haskell-hxt-outside-of-io?rq=1
getIt  :: ArrowXml cat => cat (Data.Tree.NTree.TypeDefs.NTree XNode) (String, String)
getIt = (node "tr" >>>
         (getAttrValue "id" &&& (node "td" //> getText)))

Это вроде работает. Мне нужно немного помассировать, но я могу заставить его бегать...

-- table >>= runLA getIt
-- [("","Name"),("","Favorite Rock"),("rock1","Fred"),("rock1","Igneous"),("rock2","Bill"),("rock2","Sedimentary")]

Это второй подход, основанный на https://wiki.haskell.org/HXT/Practical/Simple1. Здесь, я думаю, я полагаюсь на что-то в {-# LANGUAGE Arrows -} (что по совпадению нарушает мое понимание списка для rec выше), чтобы использовать функцию proc, чтобы сделать это в более читаемом блоке do. Тем не менее, я даже не могу получить минимальную версию этого для компиляции:

Попытка 2

 getR :: ArrowXml cat => cat XmlTree Rockrec
 getR = (hasAttrValue "id" (== "Greatest-Table")) >>>
   proc x -> do
     rockId <- getText -< x
     rockName <- getText -< x
     rockFav <- getText -< x
     returnA -< Rockrec rockId rockName rockFav

РЕДАКТИРОВАТЬ

Проблемы с типами, в ответ на комментарий ниже от Алек

λ> getR [table]

<interactive>:56:1-12: error:
    • Couldn't match type ‘NTree XNode’ with ‘[[XmlTree]]’
      Expected type: [[XmlTree]] -> Rockrec
        Actual type: XmlTree -> Rockrec
    • The function ‘getR’ is applied to one argument,
      its type is ‘cat0 XmlTree Rockrec’,
      it is specialized to ‘XmlTree -> Rockrec’
      In the expression: getR [table]
      In an equation for ‘it’: it = getR [table]
λ> getR table

<interactive>:57:1-10: error:
    • Couldn't match type ‘NTree XNode’ with ‘[XmlTree]’
      Expected type: [XmlTree] -> Rockrec
        Actual type: XmlTree -> Rockrec
    • The function ‘getR’ is applied to one argument,
      its type is ‘cat0 XmlTree Rockrec’,
      it is specialized to ‘XmlTree -> Rockrec’
      In the expression: getR table
      In an equation for ‘it’: it = getR table

КОНЕЦ РЕДАКТИРОВАНИЯ

Даже если я не выбираю элементы, я не могу запустить вышеизложенное. Я также немного озадачен тем, как я должен сделать что-то вроде того, как поместить первый тд в rockName и второй тд в rockFav, как включить в них итератор (предположим, у меня много полей тд, а не просто 2.)

Любые дальнейшие общие советы о том, как это сделать, более безболезненно приветствуются.

Источник

1 ответ

Решение

От https://wiki.haskell.org/HXT/Practical/Google1 я думаю, что смогу собрать воедино решение.

{-# LANGUAGE Arrows #-}
{-# LANGUAGE ScopedTypeVariables #-}
module Hanzo where
import Text.HandsomeSoup
import Text.XML.HXT.Cor

atTag tag =
  deep (isElem >>> hasName tag)
text =
  deep isText >>> getText

data Rock = Rock String String String deriving Show    
rocks =
  atTag "tbody" //> atTag "tr"
  >>> proc x -> do
        rowID <- x >- getAttrValue "id"
        name <- x >- atTag "td" >. (!! 0) >>> text
        kind <- x >- atTag "td" >. (!! 1) >>> text
        returnA -< Rock rowID name kind

main = do
  dt <- readFile "html.html"
  result <- runX $ parseHtml dt
                   //> hasAttrValue "id" (== "Greatest-Table")
                   >>> rocks
  print result

Ключевые приемы:

  • Ваши стрелки работают с потоками элементов, но не с отдельными элементами. Это ArrowList ограничение. Таким образом, призывая getText три раза даст удивительное поведение, потому что getText представляет все возможные значения текста, которые вы можете получить в процессе потоковой передачи <table> элементы через ваш proc x -> do {...},

  • Вместо этого мы можем сосредоточиться на желаемом потоке: потоке <tr>с внутри <tbody>, Для каждой строки таблицы мы берем значение атрибута ID и текст первых двух <td>s.

  • Это не кажется самым элегантным решением, но один из способов, которым мы можем индексировать поток, - отфильтровать его с помощью (>.) :: ArrowList cat => cat a b -> ([b] -> c) -> cat a c комбинатор.

  • Последний трюк, который я заметил в практических вики-примерах: мы можем использовать deep а также isElem/isText сосредоточиться только на узлах, которые мы хотим. XML-деревья шумят!

Источник
Другие вопросы по тегам