1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
| #
# Скрипт скачивает статьи (статьи из журналов Linux Format)
# с сайта https://linuxformat.com/.
#
# Сама ссылка где находятся статьи:
# https://linuxformat.com/archives&listpdfs=1
#
# Perl ver. 5.20.3. Program: loadpdflinuxformat.pl. Version: 1.0.
# Для объявления переменных.
use strict;
# В случае возникновений каких-либо проблем нужно остановить работу скрипта.
use warnings FATAL => 'all';
# Каталог где находится файл archives&listpdfs=1.
my $catalog = 'linuxformat.com';
# Префикс для скачивания файла (сайт Linux Format).
my $prefix = 'https://linuxformat.com';
#
my $file = 'archives&listpdfs=1';
# Загрузка файла: "archives&listpdfs=1".
`wget -nc -c -r -l0 --tries=8 --accept="archives&listpdfs=1" https://linuxformat.com/archives`;
#-
my $search_teg_1; # Что определяет нужную нам строку.
my $issue_start; # Что определяет начало Issue с номером в строке.
my $issue_end; # Что определяет конец Issue с номером в строке.
my $title_start; # Что определяет начало названия в строке.
my $title_end; # Что определяет конец названия в строке.
my $description_start_1; # Что определяет начало описания 1 в строке.
my $description_end_1; # Что определяет конец описания 1 в строке.
my $description_start_2; # Что определяет начало описания 2 в строке.
my $description_end_2; # Что определяет конец описания 2 в строке.
my $link_start; # Что определяет начало ссылки в строке.
my $link_end; # Что определяет конец ссылки в строке.
my $line; # Текущая строка.
my $pos; # Позиция в строке при поиске тега $search_teg_1.
my $count; # Счетчик количества найденных ссылок для скачивания.
my $pos_start; # Начальная позиция: номера журнала, название, описание 1-2, ссылки.
my $pos_end; # Конечная позиция: номера журнала, название, описание 1-2, ссылки.
#-
# -
my $issue; # Само Issue.
my $issue_number; # Номер Issue.
my $title; # Название (что это: Interview, Feature и т.д.).
my $description_1; # Описание 1.
my $description_2; # Описание 2.
my $link; # Сама ссылка на файл.
# -
#-
my $filename_pdf; # Текущее имя файла под которым будет сохранён pdf-файл.
my $filename_txt; # Текущее имя файла под которым будет сохранён txt-файл.
#-
#
# Разбирать будем такую строку (пример):
#
# <li><a href="/archives?issue=222">Issue 222</a> - <strong>Feature:
# <img src="/files/pdficon.gif" />
# <a href="/includes/download.php?PDF=LXF222.feat_server.pdf">
# Build the Ultimate server</a></strong> - The base LXF server install <em>
# (Jonni Bidwell)</em><br /><br />
#
`clear`;
print "\n\n";
# Какой тег найти.
$search_teg_1 = '<li><a';
# Что определяет начало номера журнала (Issue) в строке.
$issue_start = 'Issue ';
# Что определяет конец номера журнала (Issue) в строке.
$issue_end = '</a> -';
# Что определяет начало названия в строке.
$title_start = ' - <strong>';
# Что определяет конец названия в строке.
$title_end = '<img src=';
# Что определяет начало описания 1 в строке.
$description_start_1 = '.pdf">';
# Что определяет конец описания 1 в строке.
$description_end_1 = '</a></strong>';
# Что определяет начало описания 2 в строке.
$description_start_2 = '</a></strong>';
# Что определяет конец описания 2 в строке.
$description_end_2 = '</em>';
# Что определяет начало ссылки в строке.
$link_start = '/includes/';
# Что определяет конец ссылки в строке.
$link_end = '.pdf';
# Само Issue.
$issue = 'Issue';
print "\n";
$count = 0;
if (open (InFile, "<" . $catalog . '/' . $file))
{
while ($line = <InFile>)
{
# Ищем нужную нам строку ($search_teg_1).
# Если -1, то не найдено.
$pos = index($line, $search_teg_1, 0);
if ($pos ne '-1')
{
$count++;
print $count . '.' . "\n";
# ---
# +
# Ищем позицию, которая определяет начало Issue с номером в строке.
$pos_start = index($line, $issue_start, 0);
# Ищем позицию, которая определяет конец Issue с номером в строке.
$pos_end = index($line, $issue_end, 0);
# Вырезаем номер.
$issue_number = substr($line, $pos_start + length($issue) + 1, $pos_end - $pos_start - length($issue) - 1);
# Дополнить номер нулями слева.
my $issue_number = sprintf("%03d", $issue_number);
#+
# Ищем позицию, которая определяет начало названия в строке.
$pos_start = index($line, $title_start, 0) + length($title_start);
# Ищем позицию, которая определяет конец названия в строке.
$pos_end = index($line, $title_end, 0);
# Вырезаем название.
$title = substr($line, $pos_start, $pos_end - $pos_start);
# Заменить двоеточие на точку.
$_ = $title;
s/\:/./g;
$title = $_;
#+
# Ищем позицию, которая определяет начало описания 1 в строке.
$pos_start = index($line, $description_start_1, 0) + length($description_start_1);
# Ищем позицию, которая определяет конец описания 1 в строке
$pos_end = index($line, $description_end_1, 0);
# Вырезаем описание 1.
$description_1 = substr($line, $pos_start, $pos_end - $pos_start);
#
#
# Пример удаления символа (символов) из строки:
# -------
# | ---
# | | $_ = "He's out bowling with Barney tonight. Barney!";
# |--| s/Barney//g; # Удалить (везде) Barney.
# | $stroka = $_;
# | print "$stroka" . "\n";
# ---
#
# Удаление косой черты
$_ = $description_1;
s/\///g;
$description_1 = $_;
#+
# Ищем позицию, которая определяет начало описания 2 в строке.
$pos_start = index($line, $description_start_2, 0) + length($description_start_2);
# Ищем позицию, которая определяет конец описания 2 в строке
$pos_end = index($line, $description_end_2, 0);
# Вырезаем описание 2.
$description_2 = substr($line, $pos_start, $pos_end - $pos_start);
# Теперь удаляем тег <em>.
$_ = $description_2;
s/<em>//g;
$description_2 = $_;
# Добавить точку.
$description_2.= '.';
# +
# Ищем позицию, которая определяет начало ссылки в строке.
$pos_start = index($line, $link_start, 0);
# Ищем позицию, которая определяет конец ссылки в строке.
$pos_end = index($line, $link_end, 0) + length($link_end);
# Вырезаем ссылку.
$link = substr($line, $pos_start, $pos_end - $pos_start);
# ---
# И так, что у нас есть.
# $issue - содержит (пример): Issue 225, Issue 222 и т.д.
# $title - содержит (пример): Interview, Feature и т.д.
# $description_1 - содержит (пример): The Exercist, Build the Ultimate server и т.д.
# $dsscription_2 - содержит (пример): Katrina Owen on exercism.io (Jonni Bidwell),
# The base LXF server install (Jonni Bidwell) и т.д.
# $link - ссылка на файл (пример):
# /includes/download.php?PDF=LXF222.feat_server.pdf и т.д.
# Собираем текущее имя pdf-файла.
$filename_pdf = $issue . ' ' . $issue_number . ' - ' . $title . $description_1 . '.pdf';
# Собираем текущее имя txt-файла.
$filename_txt = $issue . ' ' . $issue_number . ' - ' . $title . $description_1 . '.txt';
# ---
# Закачиваем сам pdf-файл.
`wget -c --tries=8 -O '$filename_pdf' $prefix$link`;
# Записуем дополнительную информацию в файл-txt.
# *
# Создаём файл $newfilename_UTF8_txt.
open(OutFile, '>', $filename_txt);
close (OutFile);
# *
# *
# Записать дополнительную информацию в файл $newfilename_UTF8_txt.
open(OutFile, '>>', $filename_txt);
# => Строка 1.
# Перевод строки.
print OutFile "\n";
# => Строка 2.
print OutFile ' Файл: ' . $filename_pdf . "\n";
# => Строка 3.
# Перевод строки.
print OutFile "\n";
# => Строка 4.
# Разделяем строку на несколько строк (если нужно).
use Text::Wrap;
my $string = $issue . ' ' . $issue_number . ' - ';
$string.= $title . $description_1 . $description_2;
$Text::Wrap::columns = 61; # 61 - сколько символов в строке.
my $textsplit = wrap(' ', ' ', $string) . "\n";
print OutFile $textsplit;
close (OutFile);
# *
# ---
}
}
close (InFile);
}
else
{
print "\n";
print "Файл " . $file . " не найден...";
print "\n";
}
print "\n";
print 'Всё...';
print "\n"; |