如何使用native powershell命令從html文件中提取特定表格？

Question

我利用PAL工具（https://pal.codeplex.com/）從Windows中的perfmon日誌生成HTML報告。在PAL處理來自perfmon的.blg文件後，它將信息轉儲到一個HTML文檔中，該文檔包含具有關於系統如何執行的各種數據點的表格。我目前正在編寫一個腳本，查看所有HTML文件的目錄內容，並在所有HTML文件上執行get-content。

我想要做的是爲具有不同數量的行的特定表格刮取此獲取內容Blob的轉儲。是否有可能使用本地PowerShell cmdlet來查找特定的表，計算每個表中有多少行，並轉儲只需所需的表和錶行？

下面是表格式，我想刮的例子：

<H3>Overall Counter Instance Statistics</H3> 
<TABLE ID="table6" BORDER=1 CELLPADDING=2> 
<TR><TH><B>Condition</B></TH><TH><B>\LogicalDisk(*)\Disk Transfers/sec</B></TH><TH><B>Min</B></TH><TH><B>Avg</B></TH><TH><B>Max</B></TH><TH><B>Hourly Trend</B></TH><TH><B>Std Deviation</B></TH><TH><B>10% of Outliers Removed</B></TH><TH><B>20% of Outliers Removed</B></TH><TH><B>30% of Outliers Removed</B></TH></TR> 
<TR><TD>No Thresholds</TD><TD>MACHINENAME/C:</TD><TD>1</TD><TD>7</TD><TD>310</TD><TD>0</TD><TD>11</TD><TD>5</TD><TD>5</TD><TD>5</TD></TR> 
<TR><TD>No Thresholds</TD><TD>MACHINENAME/D:</TD><TD>0</TD><TD>0</TD><TD>0</TD><TD>0</TD><TD>0</TD><TD>0</TD><TD>0</TD><TD>0</TD></TR> 
<TR><TD>No Thresholds</TD><TD>MACHINENAME/E:</TD><TD>0</TD><TD>24</TD><TD>164</TD><TD>-1</TD><TD>11</TD><TD>22</TD><TD>21</TD><TD>20</TD></TR> 
<TR><TD>No Thresholds</TD><TD>MACHINENAME/HarddiskVolume5</TD><TD>0</TD><TD>0</TD><TD>2</TD><TD>0</TD><TD>0</TD><TD>0</TD><TD>0</TD><TD>0</TD></TR> 
<TR><TD>No Thresholds</TD><TD>MACHINENAME/L:</TD><TD>0</TD><TD>0</TD><TD>0</TD><TD>0</TD><TD>0</TD><TD>0</TD><TD>0</TD><TD>0</TD></TR> 
<TR><TD>No Thresholds</TD><TD>MACHINENAME/T:</TD><TD>0</TD><TD>7</TD><TD>430</TD><TD>0</TD><TD>21</TD><TD>3</TD><TD>2</TD><TD>2</TD></TR> 
</TABLE> 

表ID是所有輸出文件中不變的，但表中的行量不大。任何幫助表示讚賞！

Answer 1

OK，這是不全面的測試，但您的示例表工作在PS 2.0 IE11：

# Parsing HTML with IE. 
$oIE = New-Object -ComObject InternetExplorer.Application 
$oIE.Navigate("file.html") 
$oHtmlDoc = $oIE.Document 

# Getting table by ID. 
$oTable = $oHtmlDoc.getElementByID("table6") 

# Extracting table rows as a collection. 
$oTbody = $oTable.childNodes | Where-Object { $_.tagName -eq "tbody" } 
$cTrs = $oTbody.childNodes | Where-Object { $_.tagName -eq "tr" } 

# Creating a collection of table headers. 
$cThs = $cTrs[0].childNodes | Where-Object { $_.tagName -eq "th" } 
$cHeaders = @() 
foreach ($oTh in $cThs) { 
    $cHeaders += ` 
     ($oTh.childNodes | Where-Object { $_.tagName -eq "b" }).innerHTML 
} 

# Converting rows to a collection of PS objects exportable to CSV. 
$cCsv = @() 
foreach ($oTr in $cTrs) { 
    $cTds = $oTr.childNodes | Where-Object { $_.tagName -eq "td" } 
    # Skipping the first row (headers). 
    if ([String]::IsNullOrEmpty($cTds)) { continue } 
    $oRow = New-Object PSObject 
    for ($i = 0; $i -lt $cHeaders.Count; $i++) { 
     $oRow | Add-Member -MemberType NoteProperty -Name $cHeaders[$i] ` 
      -Value $cTds[$i].innerHTML 
    } 
    $cCsv += $oRow 
} 

# Closing IE. 
$oIE.Quit() 

# Exporting CSV. 
$cCsv | Export-Csv -Path "file.csv" -NoTypeInformation 

老實說，我沒有瞄準最佳代碼。這只是您如何使用PS中的DOM對象並將其轉換爲PS對象的一個​​示例。

Answer 2

我看到你接受了一個答案，但我想我也會在這裏添加RegEx解決方案。沒有COM對象需要這個，並且應該是PSv2友好的，我很確定。

$Path = 'C:\Path\To\File.html' 
[regex]$regex = "(?s)<TABLE ID=.*?</TABLE>" 
$tables = $regex.matches((GC C:\Temp\test.txt -raw)).groups.value 
ForEach($String in $tables){ 
    $table = $string.split("`n") 
    $CurTable = @() 
    $CurTableName = ([regex]'TABLE ID="([^"]*)"').matches($table[0]).groups[1].value 
    $CurTable += ($table[1] -replace "</B></TH><TH><B>",",") -replace "</?(TR|TH|B)>" 
    $CurTable += $table[2..($table.count-2)]|ForEach{$_ -replace "</TD><TD>","," -replace "</?T(D|R)>"} 
    $CurTable | convertfrom-csv | export-csv "C:\Path\To\Output\$CurTableName.csv" -notype 
} 

這應該爲找到的每個表格輸出一個CSV文件。如table6.csv，table9.csv等，如果你想每個HTML文件輸出CSV格式，你可以包住整個事情在foreach循環，如：

ForEach($File in (Get-ChildItem "$Path\*.html")){ 
    Insert above code here 
} 

你會需要修改$tables =線，使其是GC $file.fullname，它會載入每個文件，因爲它迭代。

然後，只需修改出口-CSV喜歡的東西：

$CurTable | convertfrom-csv | export-csv "C:\Path\To\Output\$($File.BaseName)\$CurTableName.csv" -notype 

所以，如果你有Server01.html在這3個表，你會得到一個名爲Server01的文件夾，在它3 CSV文件，一個文件每張桌子。