Как скопировать из страницы текст вместе с оформлением?

Question

[Kassandr]

Не я один, наверное, сталкивался с вопросом, как скопировать из страницы не просто «plain text», а сохранить при этом форматирование — выделение цветом, италиком и т. д.?
Проблема осложняется тем, что исходный код страницы может быть разным. Это может быть html, а может — bb-code. Плюс, на выходе тоже может понадобиться или то, или другое.

То есть, проблема сводится к следующему:
1. Извлечение исходного, «сырого» текста.
2. Определение правил форматирования, использованных в данном конкретном случае.
3. Уточнение, на какие именно правила форматирования следует заменить те, которые используются в исходнике.
4. Создание текста с нужными нам правилами форматирования.

Объясню на примере.
Допустим, надо скопировать кусок текста новости с lenta.ru для рутрекера и наоборот.
На lenta.ru текст отформатирован с помощью html-тегов:
... Об этом сообщает <a href="http://www.afp.com/" target="_blank">Agence France-Presse</a> со ссылкой на газету The Beijing Times. Наводнение в Пекине было вызвано ливневыми дождями, признанными самыми сильными в регионе за последние 60 лет. <p>

На рутрекере вроде как тоже html используется, но стиль текста завязан на классы:
<span class="post-b">Похоже, космос стремительно переходит из сферы государственных интересов в сферу интересов частных. ... </span>

Соответственно, если копировать с lenta.ru на рутрекер, надо просто преобразовать html в bb-code:
<a href="http://www.afp.com/" target="_blank">Agence France-Presse</a> станет [url=http://www.afp.com/]Agence France-Presse[/url]

А для того, чтобы с рутрекера на lenta.ru — придётся выкусывать <span class="post-b">...</span> и превращать в <b>...</b>

В общем, идея понятна, надеюсь.
Я поискал в инете способы осуществления этого механизма и нашёл только 2 плагина для Firefox, которые реализуют нечто похожее. Первый позволяет копировать исходный код «под выделенным текстом» (Copy HTML). Второй — позволяет копировать выделенный текст с заменой html-разметки на BBCode-разметку (и то как-то неуверенно, по-моему).

Народ, признавайтесь, как решаете подобные задачи? Может есть скрипты Greasemonkey или плагины под лиса? Я готов даже софт юзать. Лишь бы была возможность как-то настраивать механизм подобного копирования «с заменой».
Может можно выстроить цепочку из онлайн-сервисов наподобие Cool HTML to BBCode Converter?

Пы Сы
А ведь иногда приходится копировать текст с форума на форум, и движки разные. Например, на одном форуме смещение влево указывается с помошью bbcod'а
[left]...[/left],

на другом —
[align=left] [/align].

Comments

[Kassandr]

С подачи astrobeglec (большое ему спасибо) заинтересовался возможностями баша, нарыл статью Использование bash и sed для обработки текста. Но всё равно странно как-то. Лет десять «поколение копипаста» стирает клавиатуру и до сих пор не появилось изящного решения для… эээ… кроссдвижкового копирования? Я думал, что отстал от жизни просто.
Когда впервые столкнулся с необходимостью много копипастить, минусовать смеяться будете, решил копировать исходный код «под выделенным текстом» и затем в ворде пропускать через макросы. Но я со временем тупею, очевидно, поскольку чёт забуксовал, хотя лет пять назад ещё писал на vba простенькие скрипты без проблем.
Потом подумал, мало ли, вдруг мигрирую на линух с концами? И решил поискать универсальное решение.
Други, что совсем глухо с этим делом?

Answer 1

[astrobeglec]

Скрипт автозамены?
Например bash функция (или в скрипт)

cat > /tmp/filetemp
echo "Конвертированный текст"
sed "s/[старый]/[новый]/g" /tmp/filetemp

Копируем из консоли и все. Хотя все равно придется проверять ручками т.к. всех вероятности замен не перечислить.

Comments

[Kassandr]

Хм… А если теги вложенные? Например:
<span class="post-b"><span class="post-i">...</span></span>

Как сказать, что первый </span> должен превратиться в нашем случае в [/b], а второй - в [/i]?
Или я чего-то недопонимаю? Сори, в баше не силён. Линух мучаю периодически, но в основном работаю в форточках.

[astrobeglec]

Заменяем «одиночные» теги т.е. те которые имеют один тег открытия и один закрытия. На замену вложенных тегов нужен скрипт посложнее. Для написания можно полный список таких тегов (несколько открытия, один закрытия)?

[Kassandr]

Эээ… Всё же зависит от фантазии пишущего. Ещё одна проблема возникает, если нужен текст не целиком, а только часть.

Вот пример исходного кода:
<span class="post-br"><br /></span><span class="post-align" style="text-align: center;"><span style="color: #CD5C5C;"><span style="font-family: Georgia;"><span style="font-size: 18px; line-height: normal;"><span class="post-b"><span class="post-b"><span class="post-i"><span class="post-u">Год</span></span>: <span style="color: #000000;"><span style="font-family: Georgia;"><span style="font-size: 16px; line-height: normal;"><span class="post-b"><span class="post-i">1992<br /> <span style="color: #CD5C5C;"><span style="font-family: Georgia;"><span style="font-size: 18px; line-height: normal;"><span class="post-b"><span class="post-b"><span class="post-i"><span class="post-u">Жанр</span></span>: <span style="color: #000000;"><span style="font-family: Georgia;"><span style="font-size: 16px; line-height: normal;"><span class="post-b"><span class="post-i">Декоративно-прикладное искусство<br /> <span style="color: #CD5C5C;"><span style="font-family: Georgia;"><span style="font-size: 18px; line-height: normal;"><span class="post-b"><span class="post-b"><span class="post-i"><span class="post-u">Издательство</span></span>: <span style="color: #000000;"><span style="font-family: Georgia;"><span style="font-size: 16px; line-height: normal;"><span class="post-b"><span class="post-i">Parramon<br /> <span style="color: #CD5C5C;"><span style="font-family: Georgia;"><span style="font-size: 18px; line-height: normal;"><span class="post-b"><span class="post-b"><span class="post-i"><span class="post-u">ISBN</span></span>: <span style="color: #000000;"><span style="font-family: Georgia;"><span style="font-size: 16px; line-height: normal;"><span class="post-b"><span class="post-i">9788434215245<br /> <span style="color: #CD5C5C;"><span style="font-family: Georgia;"><span style="font-size: 18px; line-height: normal;"><span class="post-b"><span class="post-b"><span class="post-i"><span class="post-u">Язык</span></span>: <span style="color: #000000;"><span style="font-family: Georgia;"><span style="font-size: 16px; line-height: normal;"><span class="post-b"><span class="post-i">Испанский<br /> <span style="color: #CD5C5C;"><span style="font-family: Georgia;"><span style="font-size: 18px; line-height: normal;"><span class="post-b"><span class="post-b"><span class="post-i"><span class="post-u">Количество страниц</span></span>: <span style="color: #000000;"><span style="font-family: Georgia;"><span style="font-size: 16px; line-height: normal;"><span class="post-b"><span class="post-i">43<br /> <span style="color: #CD5C5C;"><span style="font-family: Georgia;"><span style="font-size: 18px; line-height: normal;"><span class="post-b"><span class="post-b"><span class="post-i"><span class="post-u">Формат</span></span>: <span style="color: #000000;"><span style="font-family: Georgia;"><span style="font-size: 16px; line-height: normal;"><span class="post-b"><span class="post-i">PDF<br /> <span style="color: #CD5C5C;"><span style="font-family: Georgia;"><span style="font-size: 18px; line-height: normal;"><span class="post-b"><span class="post-b"><span class="post-i"><span class="post-u">Качество</span></span>: <span style="color: #000000;"><span style="font-family: Georgia;"><span style="font-size: 16px; line-height: normal;"><span class="post-b"><span class="post-i">Отсканированные страницы</span></span><span class="post-br"><br /></span><span class="post-align" style="text-align: center;"><var class="postImg" title="http://i30.fastpic.ru/big/2012/0129/a3/11a98b3b6ad7f9f02033bf30935a50a3.png"> </var></span><span class="post-br"><br /></span><span class="post-align" style="text-align: center;"><span style="color: #CD5C5C;"><span style="font-family: Georgia;"><span style="font-size: 24px; line-height: normal;"><span class="post-b"><span class="post-b"><span class="post-i"><span class="post-u">Описание</span></span>:<span class="post-br"><br /></span><span style="color: #000000;"><span style="font-family: Georgia;"><span style="font-size: 14px; line-height: normal;"><span class="post-b"><span class="post-i">Киригами - это искусство владения бумагой с использованием ножниц и клея. Данная книга содержит много оригинальных макетов с пошаговой инструкцией их выполнения. Макеты будут интересны и детям,и взрослым.</span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span>

Это был код вот этого текста:


Как видите, тут в конце порядка сотни одинаковых закрывающих тегов.
Кстати, если надо было бы скопировать только описание (без выходных данных), то мы упустили бы все открывающие теги…

В общем, мутная тема, да… Пойду вспоминать vba =)

Answer 2

[astrobeglec]

Тема действительно мутная.