FrameWork: Wrapper Suite

Michal Šimún

tp05@googlegroups.com

Základná architektúra

Program obaľovača

• Obaľovač opísaný ako XML súbor

• Identifikácia akcií

• Prechodov medzi akciami – hierarchia akcií

• Premenné obaľovača

• Vytvorenie inštancie WrapperProgram

• Wrapper pracuje s aktuálnym Kontextom - obsahuje mapu DOM dokumentov, rozšírenie o cookies

Program obaľovača

• Štartovacia akcia

• Výstupný DOM

• Zoznam zapisovačov

• Možnosť krokovania

• http Client – knižnice Jakarta

• html Parser – knižnica NekoHtml

• loadWrapper – parser programu Wrappera

Interpreter

• Vykonanie programu parsera

• Vytvorenie inštancie wrappera

• Priradenie zapisovačov (OutputWriter)

• Nastavenie krokovača

• Spustenie Wrappera (metóda start)

Lokátor uzlov a premenné

• Lokátor uzlov, určuje podstrom, s ktorým sa bude v danom kontexte pracovať

• InDocument – kde sa hľadá

• XPathExp

• RegExp – filtrovanie nájdený uzlov

• Premenné – parametrizovaný reťazec (regulárne výrazy); Product = “processor” Uri = “http://www.products.sk/q=${Product}”

Definované akcie

• Spustenie pomocou metódy execute

• LoadPage – uri, asDocumnet v kontexte

• FollowLink - <a> tagFinder + LoadPage

• WriteObject – objectName v kontexte => zapisoveče

• ExtractData – exktrakcia dát z dokumentu na základe TagFinder, možná filtrácia RegExp, definovanie outPut do variable, objekt v kontexte dokumentu – OutputObjectPath = zjednoseny XPath

Akcie

• DoAllBranches – vykoná svojich následníkov

• DoWhileNextLink – definuje sa lokátor next linky

• ForEachTag – extrahuje podstrom dokumentu a uloží do kontextu ako nový dokument

Spracovanie chýb

• Princíp výnimiek

• Handlere výnimiek:

– StopThrowErrorHandler

– ReturnBackErrorHandler

– IgnoreContinueErrorHandler

– ExecuteCommandErrorHandler

Návrh rozšírenia

• Tvorba rozhrania, učenia (vzory, filtre, komunikačný kanál)

• Vytvorenie XML => tvorba obaľovača – podpora stromu akcií ???

• Zmena akcií ExtractData, WriteObject, rozšírenie akcii o prácu so vzormi

• Súčasťou akcií bude aj lokálny kontext zdedený po predkovi

Ďakujem za pozornosť