从HTML表剪切粘贴创建CSV

Question

我试图手动刮表信息从一个网站导入到一个Drupal网站。

这些数据的格式如下：

Opening Balances of Banks/Discount Houses   76991.16
Rediscounted Bills                          0
Standing Lending Facility (Net)             0
Standing Deposit Facility (Net)             522078.9
Repo                                        0
Reverse Repo                                0
OMO Sales/Under-Writing by MMDs             0
OMO Repayment                               0

将其粘贴到电子表格中，我可以创建一个CSV文件，用于导入Drupal。CSV产生的情况如下：

Opening Balances of Banks/Discount Houses,76991.16
,
Rediscounted Bills,0
,
Standing Lending Facility (Net),0
,
Standing Deposit Facility (Net),522078.9
,
Repo,0
,
Reverse Repo,0
,
OMO Sales/Under-Writing by MMDs,0
,
OMO Repayment,0

我的问题是CSV是错的。第一列中的数据应该表示CSV的标题，这意味着它们应该列在CSV的第一行，而不是左边。接下来的行应该是作为标题中项的出现而导入的数据序列。

如何以正确的顺序生成CSV文件来解决我的问题？

有上百行数据要导入，因此手动方法是不可行的。

更新：两条完整记录：

Date                                        Financial Data As At 5/8/2014
Opening Balances of Banks/Discount Houses   76991.16
Rediscounted Bills                          0
Standing Lending Facility (Net)             0
Standing Deposit Facility (Net)             522078.9
Repo                                        0
Reverse Repo                                0
OMO Sales/Under-Writing by MMDs             0
OMO Repayment                               0
Primary Market Sales (e.g NTBs, FGN Bonds)  0
Primary Market Repayment                    0
CRR (Debit/Credit)                          0
Net Foreign Exchange Auction (WDAS)         0
Statutory Allocations (FAAC, VAT,etc)       0
Joint Venture Cash Call Payment             0
Net Clearing (Lagos/Abuja)                  0
NDIC Premium (Debit/Credit)                 0
Other Major (Debit/Credit)                  0
Date                                        Financial Data As At 5/7/2014
Opening Balances of Banks/Discount Houses   98357.49
Rediscounted Bills                          0
Standing Lending Facility (Net)             475
Standing Deposit Facility (Net)             483157.7
Repo                                        0
Reverse Repo                                0
OMO Sales/Under-Writing by MMDs             0
OMO Repayment                               237451.43
Primary Market Sales (e.g NTBs, FGN Bonds)  157177.87
Primary Market Repayment                    157057.31
CRR (Debit/Credit)                          0
Net Foreign Exchange Auction (WDAS)         0
Statutory Allocations (FAAC, VAT,etc)       0
Joint Venture Cash Call Payment             0
Net Clearing (Lagos/Abuja)                  0
NDIC Premium (Debit/Credit)                 0
Other Major (Debit/Credit)                  0

Answer 1

TextDistil会为你这么做的。(披露-我是作者)。假设您想要生成多个行，所描述的8列中的每一列，最简单的方法是：

注意:当将模式粘贴到TextDistil中时，不应包括引号。

• 将示例中的行剪切并粘贴到输入窗口中。
• 使用CTRL-N添加一个‘替换文本’菜谱与匹配的“财务数据”作为以清除列值
• 在行的开头添加一个“插入文本”“ to insert "!"在所有以开头的行之前”其他主要的“”。这一步的完成只是为了使下一个步骤更容易。
• 在“菜谱与的匹配”^！之后添加一个“联接行”。第一个'^'匹配一行的开头，括号中的部分匹配任何不是感叹号的内容。净效果是，此模式匹配所有不以感叹号开头的行。由于这是一个‘连接行后’操作，所有与模式匹配的行都将有下面的行连接到它们。所以一张唱片的所有行现在都连在一起了。
• 添加一个'select text (仅匹配)‘菜谱，其中匹配表达式“\d./*”和，"“作为连接字符串。这与您所拥有的所有数字和日期相匹配。
• 在此阶段，您应该只看到输出窗口中的两行，每一行对应于一条记录。

5/8/2014,76991.16,0,0,522078.9,0,0,0,0,0,0,0,0,0,0,0,0,0 5/7/2014,98357.49,0,475,483157.7,0,0,0,237451.43,157177.87,157057.31,0,0,0,0,0,0,0

您可能会发现'all‘视图是有用的-它允许您同时看到最终的输出以及您正在添加的菜谱的输入和输出。

第一配方

​

​

第二配方

​

​

第三配方

​

​

最终配方

​

​

Answer 2

CSV看起来很容易，但事实并非如此。想象一下，如果在你的第一列中间，你有一个逗号，然后砰的一声。

现在想象一下用两个逗号。

:-)

我不知道您要用什么语言来处理这个问题(可能是php)，但是我认为您必须编写一些程序

• 解析html (至少是html表)
• 获取每一列数据
• 将数据编码为CSV，必要时转义

这是因为HTML清楚地说明了单元格内的内容和不包含的内容。只需手动复制和粘贴就可以得到内容，但是没有格式化，您最终会遇到角箱的问题。

要想在PHP中获得好的CSV库，请看一下https://stackoverflow.com/questions/3087287/is-there-a-popular-and-or-robust-php-csv-library。