Как парсить html, который постоянно видоизменяется/морфируется (структура, теги, классы и т.д.) при каждом запросе?

Question

[Валентин]

Например:

<div class="DFsfE5qr">
	<div class="etgF_2">UAH 300</div>
	<div class="etgFsdf">USB фонарик</div>
</div>

Может быть так:

<div class="DFghrtqr">
	<div></div>
	<div class="eerg_2">UAH 300</div>
	<div class="etergf">USB фонарик</div>
</div>

Может быть и так:

<span class="grr">
	<span class="grs56-rg">
		<div class="grs56-rg">
			<div class="eegrdfg"><span class="dsf">UAH</span>300</div>
			<div class="ekdf">USB фонарик</div>
		</div>
	</span>
</span>

Comments

[Модератор]

https://toster.ru/help/rules
3.8
3.6

[auoa16]

Чувак, у которого не вышло с английским на тостере, решил зайти с другого фланга

Answer 1

[xmoonlight]

1. То, что постоянно - то есть ID.
2. По структуре ID - делаем НС.
3. По НС - получаем поля.
4. GOTO 3

Comments

[Валентин]

ID тоже может меняться?? что такое НС??

[xmoonlight]

Валентин, НС - это нейросеть.
ID - это не HTML-ный DOM ID!
Это та "опора", по которой Вы ищите нужное поле.
Например, текст (НЕ ТЕГИ!), идущий за "UAH" в виде цирфы - это есть цена.
Цепочка - это поле цены.
И т.д.

[AWEme]

xmoonlight, разбирать html с помощью нейросетей? Это шутка какая-то?

[xmoonlight]

AWEme, к сожалению, это уже реальность...

[AWEme]

xmoonlight, нет, это шиза.

[xmoonlight]

AWEme, почему? как тогда находить инфу в динамической разметке?

[Валентин]

xmoonlight, возможно регулярными выражениями специально сформированными?

[xmoonlight]

Валентин, зачем?
1. Если переделают на сайте - регексы уже могут не срабатывать.
2. Зачем писать регексы заведомо зная, что они могут перестать работать?

Answer 2

[Ян]

Ищи по структуре html, а не по названиям классов, если конечно структура документа не меняется.
XPath хорошо с этим справляется.

Comments

[Валентин]

Структура тоже меняется!