アメブロのHTMLからページ情報の文字列を切り出すsedスクリプトーバックアップ用BATその1

アメブロのページをバックアップ保存するための Windows.BATファイルを作成中なのです．．が、

ページの情報（URLや「ファイル名」等）を、
HTMLの「中の」JavaScript（の方）から→（Windowsの）コマンドに渡す?! というのは、
『「セキュリティ」の問題』があって、なかなかムツカシイ？！みたいです。

・・なので、Windowsのコマンドの側から、
これらの情報を「取りにいく」ようにしないといけないのかな？！？！・・・ですね。

（アメブロのページを）表示してる（プラウザ上の）「場所」で、
「ボタン一発！即バックアップ!!」みたいなことを考えていたのですが、．．．

それはとりあえず、あきらめ（保留にし）ておくことにしまして、・・


USBメモリを差し込んで、（自動再生で）ひらいたウィンドウでダブルクリック →
（アメブロの）ページを選んで → ボタンを押したらバックアップ！
・・くらいにしとこかな？！、ってところです。


実は、すでにもう、
それに近いことは「やっている」のですが、・・・

バックアップするアメブロページのURLを手動（コピペ）でコマンド渡す！というのが、
メンドクサイところです。

それをなんとか、・・
もう少し、めんどくさくない方法にしたいと、考えていたのでありました。


アメブロ側（Webブラウザ）から Windowsコマンドに「情報」を渡すやり方は、とりま、あきらめて、
Windowsコマンドの側から、（Web上の）アメブロページにアクセスして、
「情報」を取ってくることを考えることにします。

cURL.exe で、HTMLをダウンロードします。

この curl コマンドに渡す URL（の文字列）情報を、（今までは）手動コピペで「与えて」いたのですが、
そこをなんとか、もうちょと、簡単に（手抜きに）できないモノか？！？！


ってことで、その第１弾？としまして、
アメブロのページの HTMLから、必要な情報を「切り出す」コマンドを考えます。


sed（SED.exe） のスクリプトにて、やってみました。↓

---

［ambpg.sed ］
#!sed.exe -f
# アメブロページのHTMLからページの情報を切り出す.
# 2017.06.10.

# titleタグの内容.
/<title>/s/<title>\(.*\)<\/title>/\1/p

# 投稿日時
/articleTime/s/^.*>\(2[0-9]*-[0-9]*-[0-9]* *[0-9]*:[0-9]*:[0-9]*\)<.*$/\1/p

# 元ページURLと記事タイトル
/skinArticleTitle/,/<\/a>/H
$g
$s/^.*<a href="\([^"]*\)".*\(\n\) *\(.*\) *\n.*$/\1\2\3/p

---

★実行結果画面（その１）↓

 ※Windowsのコマンドプロンプトで ambpg.sed を実行その1（curlの出力をそのまま「食わせて」います）。


Windowsの「コマンドプロンプト」は、"文字化け"をおこしていますが、
とりま、「うまくいっているように見え」ます。。。


でも、・・・

★実行結果画面（その２）↓

 ※Windowsのコマンドプロンプトで ambpg.sed を実行その2（curlの出力をそのまま「食わせて」います）。


あれれっ?! ダメです。
2ページ目、3ページ目、5ページ目の「出力」行数が足らないですね。。。汗

HTMLタグの「構造」は、各ページとも同じはずです？！


"文字化け"が問題？？なのでしょうか？！

・・・で、nkfコマンド（nkf.exe ）で"文字化け"を「修正」してみます。


※Windows（の「コマンドプロンプト」）は、「マイクロソフト拡張JIS（シフトJIS）コード」という「独自」のキャラクタ・セットを使用するので、Webページの（一般的な）文字セットとは異なっており、こういうことが起こるのだと思います。でも、・・その「独自」の「拡張」が、「一般的」になってしまっていることが「恐ろしい」ですね！



★実行結果画面（その３）↓

 ※Windowsのコマンドプロンプトで ambpg.sed を実行その3（curlの出力を nkf で shift-JIS に変換しました）。


・・・問題なく「動作」してるみたいです。


これで、「半自動化」できるかな？？

（つづく）