В справочнике номенклатуры обычно несколько присоединенных файлов, среди них HTML-файлы, в которых есть описание номенклатуры. Клиент высказал пожелание, если реквизит "Текстовое описание" не заполнен, то чтобы оно заполнялось из HTML-файла. 1С преобразовать HTML-файл в текст может?

Была тема v8: Конвертация содержимого HTML в текст, сразу скажу: таблицы мне не нужны, только типа:
Бинокль пластик, ЧИНГИСХАН, 8х21, 101м/1000м, AXT1502

Увеличение: 8х
Диаметр линзы: 21мм
Длина: 9см
В комплекте чехол с салфеткой

Желательно пустые строки убрать.

И? В той теме есть даже пример кода. Тебя научить убирать пустые строки?

(0) "если реквизит "Текстовое описание" не заполнен, то чтобы оно заполнялось из HTML-файла"

Заполнялось где? На сайте наверное? В этом случае, зачем что-то преобразовывать? Читаем текст из файла и отправляем его в "Описание" таким, какой он есть. Сайт, по идее, благодаря тегам оформит текст в лучшем виде.

Содержимое присоединенных файлов хранится
в виде хранилища значения в конкретном реквизите. Значит, можно при выполнении некоторых условий присваивать свойству "Описание" это хранилище значений. А дальше перед выгрузкой:

Если ТипЗнч(ТекСтрока.НоменклатураОписание) = Тип("ХранилищеЗначения") Тогда
    ТекСтрока.НоменклатураОписание = ТекСтрока.НоменклатураОписание.Получить();
КонецЕсли;

(2) В самом тексте может сам смогу. Нужно получить текст из HTML-файла.
(3) Нет, в реквизите номенклатуры Описание (Текстовое описание) - тип Строка 1024.

(4) Так HTML и есть текст. Только с тегами. Найти между них нужный и всего делов.
Выложи его сюда.

(5) Пример содержимого в (2). Пытаюсь извлечь текст из файла:

Функция ОписаниеИзHTMLФайла(Номенклатура) Экспорт

    Запрос = Новый Запрос("
    |ВЫБРАТЬ
    |    НоменклатураПрисоединенныеФайлы.ПутьКФайлу
    |ИЗ
    |    Справочник.НоменклатураПрисоединенныеФайлы КАК НоменклатураПрисоединенныеФайлы
    |ГДЕ
    |    НоменклатураПрисоединенныеФайлы.ВладелецФайла = &Номенклатура
    |    И НоменклатураПрисоединенныеФайлы.Расширение = &Расширение");
    Запрос.УстановитьПараметр("Номенклатура", Номенклатура);
    Запрос.УстановитьПараметр("Расширение",      Нрег("HTML"));
    Выборка = Запрос.Выполнить().Выбрать();
    Пока Выборка.Следующий() Цикл
        ОписаниеИзHTML = Новый ИзвлечениеТекста(Выборка.ПутьКФайлу);
        Если Не ПустаяСтрока(ОписаниеИзHTML.ПолучитьТекст()) Тогда
            Возврат ОписаниеИзHTML.ПолучитьТекст();
        КонецЕсли;
    КонецЦикла;
    Возврат "";
        
КонецФункции

ПутьКФайлу - не полный, не находит ничего!?

(6) У тебя файлы в томах хранятся?

(7) Вроде так.

(7) Да, именно так, пока не смог найти откуда извлекать полное имя файла. Добавляю путь каталога картинок к ПутьКФайлу.
Но тут другая проблема, в форматировании текста. Например, содержимое файла:
<P>Бинокль Sakura 20х40</P>
<P>
<TABLE>
<TBODY>
<TR>
<TD colSpan=2>
<H4>Технические характеристики</H4></TD></TR>
<TR>
<TD>Увеличение</TD>
<TD>х20</TD></TR>
<TR>
<TD>Диаметр линзы</TD>
<TD>50мм</TD></TR>
<TR>
<TD>Влагозащитный</TD>
<TD>да</TD></TR>
<TR>
<TD>Обрезиненный корпус</TD>
<TD>да</TD></TR>
<TR>
<TD>В комплекте</TD>
<TD>чехол и салфетка</TD></TR></TBODY></TABLE></P>

в IE выглядит:
Бинокль Sakura 20х40

Технические характеристики
Увеличение         х20
Диаметр линзы         50мм
Влагозащитный         да
Обрезиненный корпус     да
В комплекте чехол и салфетка

А у меня в УТ11:


Бинокль Sakura 20х40

  

        Технические характеристики   Увеличение  х20   Диаметр линзы  50мм   Влагозащитный  да   Обрезиненный корпус  да   В комплекте  чехол и салфетка

Ужас! Мне бы только саму таблицу без заголовков. Есть что-то готовое? Или 1С по другому извлекать имеет?

Хотя бы подскажите где в УТ11 каталог для "Присоединенные файлы (Номенклатура)" найти, в каких настройках?

есть такой объект ИзвлечениеТекста

в присоединенных файлах есть реквизит ТекстХранилище и СтатусИзвлеченияТекста

(9) все правильно

(10) не надо тебе его искать, в подсистеме присоединенных файлов есть все необходимые функции, чтобы абстрагироваться от настроек (тома, версии и т.п.)

(14) Дык, подскажи как называются эти функции?
Нарыл кое что:

Функция ОписаниеИзHTMLФайла(Номенклатура) Экспорт

    Запрос = Новый Запрос("
    |ВЫБРАТЬ
    |    НоменклатураПрисоединенныеФайлы.Ссылка
    |ИЗ
    |    Справочник.НоменклатураПрисоединенныеФайлы КАК НоменклатураПрисоединенныеФайлы
    |ГДЕ
    |    НоменклатураПрисоединенныеФайлы.ВладелецФайла = &Номенклатура
    |    И НоменклатураПрисоединенныеФайлы.Расширение = &Расширение");
    Запрос.УстановитьПараметр("Номенклатура", Номенклатура);
    Запрос.УстановитьПараметр("Расширение",      Нрег("HTML"));
    Выборка = Запрос.Выполнить().Выбрать();
    Пока Выборка.Следующий() Цикл
        ТекстИзHTML = ИзвлечениеТекстаИзHTML(Выборка.Ссылка);
        Если Не ПустаяСтрока(ТекстИзHTML) Тогда
            Возврат ТекстИзHTML;
        КонецЕсли;
    КонецЦикла;
    Возврат "";
        
КонецФункции

Функция ИзвлечениеТекстаИзHTML(ПрисоединенныйФайлНоменклатура) Экспорт

    ИзвлечениеИзHTML = Новый ИзвлечениеТекста(ПолноеИмяФайла(ПрисоединенныйФайлНоменклатура.ПутьКФайлу));
    ТекстИзHTML = ИзвлечениеИзHTML.ПолучитьТекст();
    Возврат ?(ПустаяСтрока(ТекстИзHTML), "", ПреобразоватьТекстИзHTMLФорматаВПростой(ТекстИзHTML));
        
КонецФункции

Функция ПолноеИмяФайла(ПутьКФайлу) Экспорт

    КаталогНоменклатураПрисоединенныеФайлы = "C:\DATA\1C\data";    // пока так, надо в настойках его поискать
    Возврат КаталогНоменклатураПрисоединенныеФайлы + "\" + ПутьКФайлу;
        
КонецФункции

Функция ПреобразоватьТекстИзHTMLФорматаВПростой(ТекстИзHTML) Экспорт
    
    Попытка
        НовыйHTMLДокумент = Новый COMОбъект("HtmlFile");
        НовыйHTMLДокумент.open("text/html");
        НовыйHTMLДокумент.write(ТекстИзHTML);
        НовыйHTMLДокумент.close();
        Возврат СтрЗаменить(НовыйHTMLДокумент.all.item(0).innerText, Символ(13), "");
    Исключение    
        Построитель = Новый ПостроительDOM;
        ЧтениеHTML  = Новый ЧтениеHTML;
        ЧтениеHTML.УстановитьСтроку(ТекстИзHTML);
        ДокументHTML = Построитель.Прочитать(ЧтениеHTML);
        Возврат СокрЛП(ДокументHTML.Тело.ТекстовоеСодержимое);
    КонецПопытки;
        
КонецФункции

В одну строчку все выводит (в начале строки какой-то упр. символ):
? Бинокль Sakura 20х40 Технические характеристики Увеличение х20 Диаметр линзы 50мм Влагозащитный да Обрезиненный корпус да В комплекте чехол и салфетка

Осталось перевод строк вставить, и желательно табуляции между названиями и значениями параметров.

+ Думал в одну строчку выводится из-за СтрЗаменить(НовыйHTMLДокумент.all.item(0).innerText, Символ(13), ""); Но Возврат НовыйHTMLДокумент.all.item(0).innerText; дает тот же результат!? Значит в тексте нет Символ(13). Как бы оставить переводы строк?
Еще, в начале строки какой-то упр. символ, в блокноте он отображается как [] (квадратик), здесь отобразился как "?". Думал это Символ(10), но СтрЗаменить(НовыйHTMLДокумент.all.item(0).innerText, Символ(10), ""); - не помогло!?

Ну, блин, что за "квадратик" в тексте, чем посмотреть?

В некоторых версиях платформы была такая ошибка - отладчик не работал и табло не запускалось. Правда ведь, у тебя такая версия?

(18) Табло не кажет, только пробел. В "Текстовое описание" так же переносится. Из него в блокнот копирую - "квадратик" вижу.
Кстати, на счет каталога для "Присоединенные файлы" - целый справочник имеется: Тома хранения файлов (Каталоги на диске для хранения файлов).

Как раньше хорошо было, когда была только DOS. Столько разных редакторов было (куда делись?), все упр. символы можно было рассмотреть. Из них только 0A и 0D помню (Символ(10) и Символ(13)).

Глобальный контекст (Global context)
КодСимвола (CharCode)

Синтаксис:
КодСимвола(<Строка>, <НомерСимвола>)

Параметры:

<Строка> (обязательный)
Тип: Строка.
Исходная строка.

<НомерСимвола> (необязательный)
Тип: Число.
Номер символа в строке, код которого необходимо получить. Нумерация символов в строке начинается с 1.
Значение по умолчанию: 1.

Возвращаемое значение:
Тип: Число.
Код переданного символа. Код возвращается в соответствии с кодировкой Unicode.

Описание:
Получает код символа, расположенного в переданной строке в позиции с указанным номером.

Доступность:
Тонкий клиент, веб-клиент, сервер, толстый клиент, внешнее соединение, мобильное приложение(клиент), мобильное приложение(сервер).

Внезапно, да?

(22) И что, предлагаешь написать процедуру в 1С, что переводить символы текста в коды? Что вымерли напрочь все редакторы текста, которые это могут показать?

Ох, мьсье трындун, простите, не узнал Вас сразу.

В NC было: на одной панеле список файлов, на другой - содержимое файла (в любом виде), на котором курсор стоит. В ТС нет такого быстрого просмотра?

Смотрю текст сохраненный в блокноте WinHex, этот символ 3F. Вписал в (15):
СтрЗаменить(НовыйHTMLДокумент.all.item(0).innerText, Символ(63), "");    // 3F
Но, не помогло, все равно этот "квадратик" перед текстом остался!?
Кстати, когда сохраняю текст в блокноте, предупреждает, что в формате ANSI часть кода будет потеряна, предлагает в Юникоде сохранить. Сохранял, вообще хрень какая-то получилась!?
Что за "квадратик", как его вычислить?

И что я на этой хрени зациклился, вырезать ее, если есть:
Текст = НовыйHTMLДокумент.all.item(0).innerText;
ЕстьХрень = Найти("0123456789" + ВсеБуквы(), Лев(Текст, 1)) = 0;
Если ЕстьХрень Тогда
    Текст = Прав(Текст, СтрДлина(Текст) - 1);
КонецЕсли;

Мне другое надо, как оставить переносы строк, если HTML-файле есть таблица типа (9)?

ИзвлечениеИзHTML = Новый ИзвлечениеТекста(ПолноеИмяФайла(ПрисоединенныйФайлНоменклатура.ПутьКФайлу));
    ТекстИзHTML = ИзвлечениеИзHTML.ПолучитьТекст();

использую как критерий - можно ли из файла текст или нет. А извлекаю методами: НовыйHTMLДокумент = Новый COMОбъект("HtmlFile"); либо Построитель = Новый ПостроительDOM;
Вот клиент говорит, что часто выскакивает ошибка "Ошибка извлечения текста из файла", хотя HTML-файлы вроде нормальные, с текстом.
Что можно взять в качестве критерия на наличие текста в HTML-файле?

* можно ли из файла текст извлечь, или нет

Как альтернативный вариант хорошо бы: ЗапуститьПриложение(ПутьФайл); и скопировать содержимое файла в буфер обмена. Возможно? Вроде нашел тему v8: Как скопировать файл в буфер обмена но не понял, возможно ли это реализовать в 1С?

В теме v8: метод "ИзвлечениеТекста" обнаружил:
Для извлечения текста из файлов используется интерфейс IFilter. Он является расширяемым. Можно установить дополнительные модули, чтобы появилась возможность извлекать текст из еще одного типа файлов.
Следует использовать только в среде Windows NT 4.0, 2000, XP.
Чтобы узнать, какие расширения для IFilter уже установлены на вашем компьютере, можно скачать и установить программу IFilter Explorer (http://www.citeknet.com).

У клиента 2012 сервер. Может поэтому у него "Ошибка извлечения текста из файла"?

У клиента без проблем работает:

ИзвлечениеИзHTML = Новый ТекстовыйДокумент;
ИзвлечениеИзHTML.Прочитать(ПолноеИмяФайла(ПрисоединенныйФайлНоменклатура.ПутьКФайлу));
ТекстИзHTML = ИзвлечениеИзHTML.ПолучитьТекст();

ТекстИзHTML открывается в каком-то редакторе, пользователь копирует из него (все или нужную часть), и вставляет в "Текстовое описание". Просит это автоматизировать. Но если сразу ТекстИзHTML вставить в "Текстовое описание" (без буфера обмена, будет такая хрень:

<P>Бинокль Sakura 20х40</P>
<P>
<TABLE>
<TBODY>
<TR>
<TD colSpan=2>
<H4>Технические характеристики</H4></TD></TR>
<TR>
<TD>Увеличение</TD>
<TD>х20</TD></TR>
<TR>
<TD>Диаметр линзы</TD>
<TD>50мм</TD></TR>
<TR>
<TD>Влагозащитный</TD>
<TD>да</TD></TR>
<TR>
<TD>Обрезиненный корпус</TD>
<TD>да</TD></TR>
<TR>
<TD>В комплекте</TD>
<TD>чехол и салфетка</TD></TR></TBODY></TABLE></P>

В теме v8: Как скопировать файл в буфер обмена есть ссылка на "Работа с буфером обмена Windows из командной строки" http://old.computerra.ru/gid/rtfm/system/301629/ В 1С это можно использовать? Тип вставили ТекстИзHTML в буфер, а извлекли без тегов с переводом строк таблицы...

Уже в таком виде:

Бинокль Sakura 20х40

Технические характеристики
Увеличение              х20
Диаметр линзы           50мм
Влагозащитный           да
Обрезиненный корпус     да
В комплекте чехол и салфетка

Как я понял двойной пробел это не два пробела вместе!? Перед тем как записать ТекстИзHTML в строку "Текстовое описание" убираю двойные пробелы и переводы строк. А после сохранения в строку "Текстовое описание" вижу двойные пробелы (по два пробела вместе). Кстати как раз те самые переводы строк таблиц, которые желательно оставить.
Как в ТекстИзHTML заменить "двойной пробел" на Символы.ПС до записи в строку "Текстовое описание"?
Или какой код у "двойной пробел"?

Вроде "двойной пробел" - это Символ(160), но 1С его не ловит!? Приходится уже после Записать() в строке "Текстовое описание" два пробела менять на Символы.ПС, и снова Записать(), если нашлась такая замена.

(0) Можно пойти другим путем: отрендерить хтмл-страницу текстовым браузером и сохранить вывод в файл. Что-то вроде:

lynx -dump -display_charset=UTF-8 -dont_wrap_pre -nolist -nomargins in.html > out.txt

Достоинства: очень быстро, (условно) кросс-платформенно, вывод похож на то, что видно в обычном браузере (можно легко сравнивать веб-страницы по содержимому).

Недостатки: много возни с настройкой и вызовом под Windows, корректно выводит только очень простые таблицы.

.Net в 1С. Парсинг сайтов, multipart/form-data, gzip итд

(36) Это как "отрендерить"?
Таблицы вроде сейчас выглядят нормально: не в одну строку, а с переносом строк таблицы. Еще желательно правый столбец значений выравнять табуляциями, возится не хочется. Было бы что-то готовое, пусть не в 1С...

Идеально "отрендерить" - это извлеченный ТекстИзHTML взять в буфер обмена, и из него поместит в "Текстовое описание" (30). В общем вроде так предусмотрено разработчиками УТ11.

Если ТекстИзHTML извлекать типовым методом ФайловыеФункцииСлужебныйКлиентСервер.ИзвлечьТекст(), то "двойной пробел" в тексте не используется. Переводы строк таблицы заменены 6 пробелами, колонки таблицы разделяются 3 пробелами. Но замена их на Символы.Таб не дает эффекта выравнивания правой колонки, в "Текстовое описание" выглядит как обычный пробел.

(38) В браузере Яндекс есть функция "Перейти в режим чтения". Там много чего отсекается. Может оттуда можно подцепить идеи?

Еще момент, при копировании номенклатуры мне не надо переносить в новую Описание и Присоединенные файлы (Номенклатура). Вставил в модуль:

Процедура ПриКопировании(ОбъектКопирования)
    
    Если Не ЭтоГруппа Тогда
        Описание             = "";
        ФайлОписанияДляСайта = Справочники.НоменклатураПрисоединенныеФайлы.ПустаяСсылка();
        ФайлКартинки         = Справочники.НоменклатураПрисоединенныеФайлы.ПустаяСсылка();
    КонецЕсли;
    
КонецПроцедуры

А все равно переносится!?