16/06/2005, 10:10
| |||
| |||
| Editar cuerpo de un HTML ?? hola, estoy buscando un script que me seleccione el cuerpo de un archivo html y que busque si hay texto del mismo color del fondo(bgcolor), y me lo deje en un color neutro. esto es para evitar una tecnica de spam muy efectiva Alguna idea ?? Salu2. |
|
16/06/2005, 10:32
| ||||
| ||||
| No conozco ningún script, pero no sería muy complicado programarlo... Supongamos que tememos el HTML en una variable $string_html; #Le sacamos los saltos de línea para trabajar más cómodos $string_html =~ s/\n//g; #tomamos el código que hay entre <body> y </body> con su contenido y atributos my ($atributos,$contenido) = $html_string =~ m#<body (.*?)>(.*?)</body>#; luego es cuestión de procesar el $atributos y el $contenido... Espero que te sirva Saludos
__________________ Esteban Quintana |
|
16/06/2005, 20:53
| |||
| |||
| gracias, me es muy util aprovecho de preguntar, si lo que esta en este post: http://www.forosdelweb.com/showpost....8&postcount=43 sirve para capturar el texto entre los tags si sirve, entonces el comienzo lo dejo igual, lo entre <body> uso lo dicho y "reseteo" los colores, y el resto se queda igual tb |
|
17/06/2005, 09:40
| ||||
| ||||
| Si, ese post explica como hacer para buscar el contenido del tag, pero no te puse ese porque además del contenido necesitás los atributos de la etiqueta, porque sino no podés saber cual es el fondo de la página... Recordá que tendrás algo así como <body bgcolor="#006699">texto</body> Se entiende ? Saludos
__________________ Esteban Quintana |
|
17/06/2005, 11:06
| |||
| |||
| disculpen la ignorancia, pero no se como meter el archivo a un string. si tengo esto: open(archivo,"<texto.html") || die "$!"; open(html,">texto.html.spam") || die "$!"; @string=<archivo> ahi el archivo queda en un array, pero como hago para meterlo al string unico($string_html) ?. seria usando algo como esto: while(<archivo>){ |
|
17/06/2005, 12:22
| ||||
| ||||
| Hola, primero que nada estás abriendo dos veces el archivo, uno de modo lectura < y otro de modo escritura > Para cargarlo en un string podrías hacer algo así como
Código:
Espero que te sirvamy $tot = '';
open(TEMPLATE,"<file.html");
while (my $linea = <TEMPLATE>){
$tot .= "$linea";
}
close (TEMPLATE);
Saludos PD: Otra forma sería cargar todo en el array y luego con la función join guardarlo todo en un string...Fijate que en perlenespanol.com tenés un tutorial de como usar join y split...
__________________ Esteban Quintana |
|
17/06/2005, 20:03
| |||
| |||
| Cita: es que este script debe abrir por ejemplo, xxx.html y debe salir el texto corregido en el archivo xx.html.spamHola, primero que nada estás abriendo dos veces el archivo, uno de modo lectura < y otro de modo escritura > Cita: SI ¡¡, precisamente fue eso lo primero que intente hacer, pero no me dio resultados PD: Otra forma sería cargar todo en el array y luego con la función join guardarlo todo en un string...Fijate que en perlenespanol.com tenés un tutorial de como usar join y split...  , lo re-intentare, junto a lo que me acabas de decir.Nuevamente gracias  |
|
17/06/2005, 20:12
| |||
| |||
| luego de un aprendizaje muy rapido en la pagina recomdada, tengo esto por el momento: Cita: creo que no estoi tan perdido por ahora #!/usr/bin/perl open(archivo,"<texto.html") || die "$!"; open(html,">texto.html.spam") || die "$!"; @string=<archivo>; my $string_html = join("/n", @string); #Le sacamos los saltos de línea para trabajar más cómodos $string_html =~ s/\n//g; #tomamos el código que hay entre <body> y </body> con su contenido y atributos (no entiendo que hace) my ($atributos,$contenido) = $html_string =~ m#<body (.*?)>(.*?)</body>#; print $atributos; #para aprender que hace (salida 0 por ahora) print $contenido; #para aprender que hace (salida 0 por ahora) print $string_html; #sale todo, sin embargo veo aun /n (que raro) close(txt); close(html);  |
|
19/06/2005, 11:48
| |||
| |||
| me falto decir que la salida del html debe ser igual a la original, solo cambiando los caracteres o links ocultos, asi que no se puede eliminar los saltos de linea para trabajar mas comodo. tb quiero preguntar en esta linea Cita: esa es una variable nueva, porque el html esta guardado en string_html, no se si sea un error, porque he probado con varios archivos y atributos y contenido siempre quedan en blanco.my ($atributos,$contenido) = $html_string =~ m#<body (.*?)>(.*?)</body>#; gracias por las respuestas |
|
19/06/2005, 19:57
| ||||
| ||||
| my ($atributos,$contenido) = $html_string =~ m#<body (.*?)>(.*?)</body>#; lo que hace es buscar en la variable $html_string la información quue hay en la etiqueta body, tango los atributos como el contenido..., si no te devuelve nada puede ser que lo escribas con mayúsculas en vez de minúsculas... Checkea eso Saludos
__________________ Esteban Quintana |
|
20/06/2005, 15:32
| |||
| |||
| ya la cambie, pero no funciona me he leido todos los tutoriales que existen de expresiones regulares, y sigo sin entender parte de la funcion my ($atributos,$contenido) = $html_string =~ m#<body (.*?)>(.*?)</body>#; el ~m y los #, para que sirven en este caso ?? |
|
20/06/2005, 17:38
| ||||
| ||||
| El ~ indica que estamos trabajando con una expresión regular, nada más que eso, ahora el ## indican el comienzo y el final de la expresión regular, es más común colocar / en vez de # pero es opcional en perl así que colocá lo que desees... el m significa que debe buscar lo que nosotros coloquemos en nuestar expresión regular y devolver lo que le digamos, que en este caso es lo que hay entre <body y > y lo que hay entre > y </body> Se entiende un poco más ahora ? Saludos
__________________ Esteban Quintana |
|
20/06/2005, 18:28
| |||
| |||
| CLARISIMO lo raro que al cambiar las # por /, como es mas popular (por eso no entendia), me sale error del programa Cita: que raro, será que hay un error en la expresion y estaba tomando los # como comentariosBareword found where operator expected at tarea3.pl line 15, near "m/<body(.*?)> (.*?)</body" syntax error at tarea3.pl line 15, near "m/<body(.*?)>(.*?)</body" Search pattern not terminated at tarea3.pl line 15. gracias por la paciencia :) |
|
20/06/2005, 19:27
| ||||
| ||||
| No, claro, lo cambié porque sino no podés usar el </body, ya que se piensa que esa barra es la del fin de la expresión e intenta ejecutar body" y obviamente genera un error... Ahora me acuerdo que esa era razón por la cual la había cambiado...jeje Saludos
__________________ Esteban Quintana |
|
20/06/2005, 20:15
| |||
| |||
| Realmente muy agradecido. Efectivamente no funcionaba primero por el archivo html que le estaba dando, y segundo por lo de las mayusculas, asi que haciendo un pequeño cambio funciona para la mayoria de los casos: my ($atributos,$contenido) = $string_html =~m#<body(.*?)>(.*?)</body>#i; ahora me queda hacer que si contenido tiene lo encontrado en atributos, cambiar el color a uno neutro. Cuando termine el codigo lo pondre aca, a ver si le sirve a alguien mas y espero terminarlo pronto :P muchas gracias nuevamente |
|
20/06/2005, 21:12
| |||
| |||
| aca esta el codigo completo terminado: Cita: se agradece al maestro monoswin #!/usr/bin/perl print "Ingrese el nombre del archivo .html \n"; $file=<STDIN>; $file2=$file; open(archivo,$file) || die "no se puede abrir el archivo\n"; open(html,">salida.html.spam") || die "$!"; @string=<archivo>; my $string_html = join(" ", @string); #Le sacamos los saltos de línea para trabajar más cómodos $string_html =~ s/\n//g; #tomamos el código que hay entre <body> y </body> con su contenido y atributos my ($atributos,$contenido) = $string_html =~m#<body(.*?)>(.*?)</body>#i; #elimino los 3 primeros caracteres a atributos y dejo todo en minusculas $atributos =~ s/ bg//g; $atributos =~ tr/[A-Z]/[a-z]/; # si encuentro un texto(para eso el espacio, para diferenciar fondo de texto) con el color del fondo, lo paso a un color neutro (negro) $string_html =~ s/ $atributos/color=#000000/; # grabo al archivo print html $string_html; #cierro archivos close(archivo); close(html); |
|
21/06/2005, 06:39
| ||||
| ||||
| Me alegro que lo hayas terminado...Te agradezco el agradecimiento pero si me volvés a llamar monoswiN tendré que matarte a golpes !!!!!!! jajaja !!! Es monoswim...jeje... Te felicito por el script y te agradezco el hecho de que lo hayas publicado, esto le podrá servir a los proximos usuarios que tengan esa clase de problema... Saludos
__________________ Esteban Quintana |
|
21/06/2005, 07:20
| |||
| |||
| Hola: Navengando por el foro me encontre este post y se me hizo interesante al problema. Ví el código final que diste, pero no entiendo muy bien como es que soluciona tu problema, así que decidí tomar unos 10 min. y hacer un pequeño script de prueba. EL PROBLEMA Crear un sencillo script que saque a la luz cualquier texto que haya sido oculto poniendolo del mismo color que el fondo de la página. LA SOLUCIÓN Lo primero que debemos de pensar, es que se pueden poner de dos manera los colores, por ejemplo el blanco se puede específicar usando #FFFFFF o poniendo simplemente la palabra white. Hoy en día también se puede poner color a las fuentes usando el atributo de color= del tag font, o usando un style, por ejemplo style="color:white;". Lo siguiente, es que para poder sacar a la luz el texto oculto, debemos de cambiar el color de la fuente al contrario del fondo, es decir si el fondo es blanco hay que poner el texto en negro, si el fondo es negro entonces lo ponemos en blanco. Con esto en mente, lo primero que vamos a hacer es un hash con la configuración de los colores:
Código:
Vamos a crear una nueva llaver por cada color:my %BGCOLOR;
Código:
Por ejemplo, este nuevo elemento de nuestro hash, tiene la siguiente estructura. El nombre de la llave es el número hexadecimal del color, en el valor de la llaver creamos un hash, cuyo primer valor es el nombre del color, es decir FFFFFF=white, y el segundo elemento es el color contrario, es decir el negro es el contrario al blanco.$BGCOLOR{"FFFFFF"} = ["white", "black"];
Podemos hacer una nueva llave para el color negro:
Código:
Es bastante sencillo meter nuevos colores para detectar.$BGCOLOR{"000000"} = ["black", "white"];
Ahora, vamos a crear nuestra pequeña función que va a realizar todo el trabajo:
Código:
Es bastante sencilla la función, lo que hace es recibir el nombre de un archivo, lo abre, guarda todo el contenido en un string, saca el color del fondo definido por bgcolor=, checa si tenemos un llave definida por el color del fondo, si no hay una llave definida entonces crea un default a negro y después realizar la sustitución en las fuentes, finalmente creando un nuevo archivo con terminación .spam.sub detectar_spam{
my $file = shift;
open(FILE,$file);
my $html_string = join "", <FILE>;
close(FILE);
#Sacar el color del fondo
$html_string =~ m/bgcolor=\"?\#?(.*?)\"?\s+/ix;
#Tenemos el color del background
my $bgcolor = uc($1);
#Vemos si existe una llave para el color del fondo
#De lo contrario creamos un default
if(!defined($BGCOLOR{$bgcolor})){
$BGCOLOR{$bgcolor} = ["null", "black"];
}
#Sustituimos el color de las fuentes
#Primero intentamos con color=
$html_string =~ s/\bcolor\="?\#?$bgcolor"?/color\="$BGCOLOR{$bgcolor}[1]"/gix;
$html_string =~ s/\bcolor\="?\#?$BGCOLOR{$bgcolor}[0]"?/color\="$BGCOLOR{$bgcolor}[1]"/gix;
#Ahora vamos con el style color:
$html_string =~ s/color\:\#?$bgcolor/color\:$BGCOLOR{$bgcolor}[1]/gix;
$html_string =~ s/color\:$BGCOLOR{$bgcolor}[0]/color\:$BGCOLOR{$bgcolor}[1]/gix;
#CREAMOS EL NUEVO ARCHIVO
open(HTML,">$file.spam") or die "No se pudo abrir el archivo: $!";
print HTML $html_string;
close(HTML);
}
El código final sería como sigue:
Código:
Por ejemplo, puedes probar el nuevo script con un html como el que sigue:#!/usr/bin/perl -w
use strict;
print "Ingrese el nombre del archivo .html\n";
my $file = <STDIN>;
chomp($file);
my %BGCOLOR;
$BGCOLOR{"FFFFFF"} = ["white", "black"];
$BGCOLOR{"000000"} = ["black", "white"];
#etc... con todos los demás colores
detectar_spam($file);
sub detectar_spam{
my $file = shift;
open(FILE,$file);
my $html_string = join "", <FILE>;
close(FILE);
#Sacar el color del fondo
$html_string =~ m/bgcolor=\"?\#?(.*?)\"?\s+/ix;
#Tenemos el color del background
my $bgcolor = uc($1);
#Vemos si existe una llave para el color del fondo
#De lo contrario creamos un default
if(!defined($BGCOLOR{$bgcolor})){
$BGCOLOR{$bgcolor} = ["null", "black"];
}
#Sustituimos el color de las fuentes
#Primero intentamos con color=
$html_string =~ s/\bcolor\="?\#?$bgcolor"?/color\="$BGCOLOR{$bgcolor}[1]"/gix;
$html_string =~ s/\bcolor\="?\#?$BGCOLOR{$bgcolor}[0]"?/color\="$BGCOLOR{$bgcolor}[1]"/gix;
#Ahora vamos con el style color:
$html_string =~ s/color\:\#?$bgcolor/color\:$BGCOLOR{$bgcolor}[1]/gix;
$html_string =~ s/color\:$BGCOLOR{$bgcolor}[0]/color\:$BGCOLOR{$bgcolor}[1]/gix;
#CREAMOS EL NUEVO ARCHIVO
open(HTML,">$file.spam") or die "No se pudo abrir el archivo: $!";
print HTML $html_string;
close(HTML);
} #sub detectar_spam
Código HTML: <html> <head> <title>Mi HTML con texto oculto</title> </head> <body bgcolor="#ffffff" text="#000000" link="#ff00ff" vlink="#ff80c0" alink="#ff0080"> Vamos a ver distintos textos en blanco: <p> <font color=#FFFFFF>1 Blanco</font><br> <font color="#FFFFFF">2 Blanco</font><br> <font color=FFFFFF>3 Blanco</font><br> <font color="FFFFFF">4 Blanco</font><br> <font color="white">5 Blanco</font><br> <font color=white>6 Blanco</font><br> <font style="color:#FFFFFF;">7 Blanco</font><br> <font style="color:FFFFFF;">8 Blanco</font><br> <font style="color:white;">9 Blanco</font><br> </body> </html> Al correr el script, vas a ver que te genera un nuevo HTML con todas las fuentes en color negro, sin importar que cada línea tiene definido el color blanco de manera distinta. MEJORAS Podrías mejorar el script poniendo la posibilidad de que detecte el color del fondo definido con CSS. También puedes poner la capacidad de convertir los colores de fuentes esctritas de la siguiente manera: "fff", "000", "faf", etc... --- Bueno, estos son mis dos pequeños centavos. SALUDOS |
