كيفية العثور على أرقام الهواتف بكفاءة في 50,000 صفحة HTML

في عالمنا الرقمي اليوم، تُخزن المعلومات غالبًا بكميات كبيرة من البيانات غير المهيكلة، مثل صفحات HTML. واحدة من المشكلات الشائعة التي يواجهها العديد من المطورين هي استخراج معلومات محددة من مستودعات ضخمة من مستندات HTML. من الطلبات المتكررة هو العثور على أرقام الهواتف ضمن الآلاف من هذه الصفحات. لكن ما هي أفضل طريقة للتعامل مع مثل هذه المهمة الشاقة؟ في منشور المدونة هذا، سنستكشف حلاً فعالًا لتحديد أرقام الهواتف عبر 50,000 ملف HTML باستخدام التعبيرات النمطية وأدوات سطر الأوامر.

فهم التحدي

عندما يكون لديك 50,000 صفحة HTML، فإن البحث يدويًا عن أرقام الهواتف يعتبر غير عملي. يمكن أن تظهر أرقام الهواتف بتنسيقات متنوعة، وبدون نهج آلي، سيستغرق الأمر وقتًا هائلًا للعثور عليها. لذلك، يمكن أن تؤدي الاستفادة من البرمجة وأدوات سطر الأوامر إلى تبسيط هذه العملية بشكل كبير.

لماذا استخدام التعبيرات النمطية؟

التعبيرات النمطية (Regex) هي أدوات قوية للبحث عن أنماط في النص. بالنسبة لأرقام الهواتف، تتيح لك التعبيرات النمطية تعريف نمط بحث مرن يمكن أن يتطابق مع تنسيقات متنوعة، بما في ذلك:

• 123-456-7890
• (123) 456-7890
• 123.456.7890
• +1 (123) 456-7890

وبالتالي، تصبح التعبيرات النمطية ضرورية لمراجعة ملفات HTML المتعددة بكفاءة.

الحل: استخدام egrep مع التعبيرات النمطية

أداة سطر الأوامر egrep تلعب دورًا أساسيًا في مهمتنا. إنها توسع من قدرات grep، مما يمكّننا من استخدام ميزات التعبيرات النمطية الممتدة. إليك أمر بسيط سيساعدنا في العثور على أرقام الهواتف في مجموعتنا من صفحات HTML:

egrep "(([0-9]{1,2}\.)?[0-9]{3}\.[0-9]{3}\.[0-9]{4})" . -R --include='*.html'

تحليل الأمر

• egrep: يستدعي أداة grep الممتدة لمعالجة التعبيرات النمطية.
• "(([0-9]{1,2}\.)?[0-9]{3}\.[0-9]{3}\.[0-9]{4})": هذا هو نمط البحث الرئيسي للتعبير النمطي، الذي يتضمن العناصر التالية:
  • ([0-9]{1,2}\.)?: يتطابق مع رموز الدول الاختيارية (1 أو 2 رقمًا متبوعًا بنقطة).
  • [0-9]{3}\.[0-9]{3}\.[0-9]{4}: يتطابق مع التنسيق القياسي لأرقام الهواتف المجمعة في قطاعات مفصولة بنقاط.
• .: يشير للبحث في الدليل الحالي.
• -R: يبحث بشكل تكراري في جميع الأدلة.
• --include='*.html': يفلتر البحث ليشمل فقط الملفات التي تنتهي بـ .html.

ملاحظة مهمة

تذكر أن التعبير النمطي المقدم مصمم لتنسيق معين لأرقام الهواتف. اعتمادًا على تفاصيل البيانات التي تتعامل معها، قد تحتاج إلى ضبط نمط التعبير النمطي لالتقاط التنسيقات البديلة بشكل صحيح.

الخاتمة

يمكن أن يبدو استخراج أرقام الهواتف من 50,000 صفحة HTML كأنها مهمة عملاقة، لكن من خلال استخدام التعبيرات النمطية مع أدوات سطر الأوامر مثل egrep, يمكنك تبسيط عملية البحث بشكل كبير. تتيح لك هذه التقنية جمع المعلومات التي تحتاجها بكفاءة دون الحاجة للتعمق في كل ملف يدويًا. في المرة القادمة التي تواجه فيها مجموعة بيانات كبيرة، اعتبر أن تقوم بأتمتة بحثك لزيادة الكفاءة!

لا تتردد في مشاركة آرائك أو طرح أي أسئلة قد تكون لديك حول العملية أو أنماط التعبيرات النمطية في التعليقات أدناه!