Perl-лом по расписанию! Google-календарь заполняй!

Смеркалось. Улицы заполнялись свежим вечерним воздухом.
-- Что мы будем делать сегодня, брейн?
-- Как и всегда, в первое сентября, - парсить расписание с tt.kubstu.ru!

Первым делом сливаем жертву на эвм, ну например эту. Самый простой способ преобразовать текст в текст -- с помощью perl и regex. Поэтому сегодня мы будем точить навыки perl-погамистра. Расчехляем perl и приветствуем Larry Wall-a:

$ perl -v

This is perl, v5.10.1 (*) built for i686-cygwin-thread-multi-64int
(with 13 registered patches, see perl -V for more detail)

Copyright 1987-2009, Larry Wall

Perl под windows можно найти в cygwin (это такой tools set из мира linux портированный под windows).

Парсить будем по-колхозному -- регулярками. Скажу вам по секрету, что я жутко ленив и парсер написал только ко второму семестру 4-го курса, примерно тогда у меня завелся телефон на Android. Каждый семестр вручную заполнять календарь как-то не серьезно, а иметь расписание в кармане хочется.

Импортированное расписание

Если вам просто нужно заставить скрипт работать, то достаточно настроить параметры в разделе констант в самом начале скрипта.

#!/usr/bin/perl
#
# export-csv.pl
#
#  Created on: 06.02.2012
#     Project: ExportScheduleToCSV
#     License: GPLv3
#
#  Copyright (c) 2012 brunql
#

use constant {
        INPUT_FILENAME          => "5.1.08.K.PO1.htm",
        
        FIRST_STUDY_DAY         => 3,
        FIRST_STUDY_MONTH       => 9, 
        FIRST_STUDY_YEAR        => 12,
        
        LAST_STUDY_MONTH        => 12
};

Небольшое описание работы скрипта. Начнем с открытия html-файла для чтения, а выхлоп в виде файлов с расписанием лекций и расписанием занятий -- для записи.

open(IMPORT, INPUT_FILENAME) || die("Open import file failed");

open(EXPORT_LECTURES, ">schedule_lectures.csv") || die("Open export file failed");
open(EXPORT_PRACTICE, ">schedule_practice.csv") || die("Open export file failed");

Согласно документации Google-календаря записываем заголовок колонок в CSV-формате:

$Titles = "Subject,Start Date,Start Time,End Date,End Time," . 
          "All Day Event,Description,Location,Private\n";

print EXPORT_LECTURES $Titles;
print EXPORT_PRACTICE $Titles;

Начинаем построчно читать входной файл и проверять каждую строку на соответствие первой регулярке, которая отвечает за дни недели:

while (<IMPORT>)
{
    if (/   \<th colspan="3" class="dow"\>&nbsp;\<\/th\>
            \<th colspan="7" class="dow( cb)?"\>(.+)\<\/th\>/x) {
        $DayOfWeek++;
        print "\nDay of week:$DayOfWeek\n";
    }

Промахнулись? Тогда поищем следы лекций и практических занятий в текущей строке:

elsif (/
    \<tr(\ class="bg")?\>
    \<td\>(?<N>\d)\<\/td\>
    \<td\ class="terms"\>
      (?<StartTime>\d\d:\d\d)\<br(\ \/)?\>(?<EndTime>\d\d:\d\d)
    \<\/td\>
    \<td\ class="bt_(?<FirstTypeIndex>\d)"\>
      (  \<span\ class="_p"\>(?<FirstType>.+)\<\/span\>
         \<span\ class="_s"\>&nbsp;\<\/span\>
      |  &nbsp; )
    \<\/td\>
    \<td\>(?<FirstSubject>.+?)
      (\<div\ class="note"\>(?<FirstSubjectNote>\(.+\))\<\/div\>)?
    \<\/td\>
    \<td(\ class=".")?\>(?<FirstLocation>.+)\<\/td\>
    \<td\>(?<FirstTeacher>.+)\<\/td\>
    \<td\ class="bt_(?<SecondTypeIndex>\d)"\>
      (  \<span\ class="_p"\>(?<SecondType>.+)\<\/span\>
         \<span\ class="_s"\>&nbsp;\<\/span\>
      |  &nbsp; )
    \<\/td\>
    \<td\>(?<SecondSubject>.+?)
      (\<div\ class="note"\>(?<SecondSubjectNote>\(.+\))\<\/div\>)?
    \<\/td\>
    \<td(\ class=".")?\>(?<SecondLocation>.+)\<\/td\>
    \<td\>(?<SecondTeacher>.+)\<\/td\>\<\/tr\>
/x)

С помощью этой кучи слабо читаемых символов мы заполняем хэш %+ нашими парами занятий с четной и нечетной недели. Конструкции вида (?<Name>Regex) превращаются в именованный массив %+{Name} = Regex, который для наглядности сразу переименовываем в %Lesson.

Теперь нам нужно избавиться от некоторых лишних символов в найденных текстах:

    %Lesson = %+;
    foreach $key (keys %Lesson) {
        $Lesson{$key} =~ s/ //;
        $Lesson{$key} =~ s/\,/\ /;
        $Lesson{$key} =~ s/\s+/ /g;
    }

И заполнить календарь до конца учебного семестра, просто пробегаемся по неделям, заполняя сначала первую, а потом вторую:

    while ($DateMonth <= LAST_STUDY_MONTH) 
        {
            $Date = GetDateDayOfWeek();        

            if ($FirstSubject && $DateMonth <= LAST_STUDY_MONTH && 
                  $WeekCount < $FirstSubjectWeeks) {
                $line = "$N. $FirstLocation $FirstSubject $FirstType " . 
                        "$FirstSubjectNote,$Date,$StartTime,$Date,$EndTime," . 
                        "False,$FirstTeacher,$FirstLocation,Private\n";
                if ($FirstTypeIndex == 1) {
                    print EXPORT_LECTURES $line;
                } else {
                    print EXPORT_PRACTICE $line;
                }
            }

            AddWeek();
            $Date = GetDateDayOfWeek();
        
            if ($SecondSubject && $DateMonth <= LAST_STUDY_MONTH && 
                  $WeekCount < $SecondSubjectWeeks) {
                $line = "$N. $SecondLocation $SecondSubject $SecondType " . 
                        "$SecondSubjectNote,$Date,$StartTime,$Date,$EndTime," . 
                        "False,$FirstTeacher,$SecondLocation,Private\n";
                if ($SecondTypeIndex == 1) {
                    print EXPORT_LECTURES $line;
                } else {
                    print EXPORT_PRACTICE $line;
                }
            }

            AddWeek();
        }

Некоторые части скрипта опущены, полный исходный код можно найти на bitbucket.org.

Полученные файлы *.csv импортируются в календарь с помощью менюшки "Другие календари".

Удачи!