Парсинг файлов

Программа «Парсер» может собирать (извлекать) данные не только с сайтов, но и из файлов разного формата.

Поддерживаемые типы файлов для парсинга:

• текстовые файлы любого формата
  • .txt, .csv и т.п. — «обычные» текстовые файлы
  • .xml, .html, .json и т.п. — файлы с разметкой
  • .eml — письма, выгруженные из почтового клиента
  • любые другие файлы, содержимое которых можно увидеть, открыт этот файл в Блокноте
• документы Word
  • .doc, .docx и т.п. — «обычные» документы Word
  • .rtf, .odt и другие форматы, поддерживаемые Word
• таблицы Excel
  • .xls, .xlsx, xlsm, .xlsb и любые другие таблицы
• файлы PDF
  • .pdf — но не все, а только с текстовым слоем
    (такие документы, где можно выделить и скопировать текст)

Кроме того, из документов Word можно извлекать изображения (сохраняя картинки в папку), а в обрабатываемые таблицы Excel можно вносить некоторые изменения (а не только считывать данные).

Результатом работы парсера могут быть:

• файл Excel, в который программа выводит данные из файлов
• папка (папки) с созданными файлами или выгруженными изображениями
   

Парсер может обработать как один файл, так и перебрать все файлы в выбранной папке.

Пример настройки парсера для обработки одного файла

Вывод списка файлов в папке при помощи парсера

Пример настройки парсера для обработки всех файлов в папке

Особенности парсинга таблиц Excel

Парсинг файлов можно использовать в различных целях:

• сбор данных из файлов резюме
• составление реестра выданных дипломов
• анализ переписки в мессенджерах
  (например, приведение в читаемый вид выгрузки из программы «Мобильный криминалист»)
• сбор сведений из файлов XML или преобразование XML файлов в читаемый вид
• обработка выгрузок из банковских приложений или складских программ
• преобразование больших ПДФ файлов в удобную таблицу Excel
• загрузка тарифов и цен из прайс-листов формата PDF
• аналитика по логам программ и оборудования (датчиков, шлагбаумов, и т.д. и т.п.)
• извлечение данных из анкет формата Excel или Word
• парсинг почты (писем, архива почтовой переписки)
• и т.д. и т.п., — сфера применения парсера файлов не ограничена