WoWHead Data parser

[Lordronn]

Представляю вам свой WoWHead Data parser, который я пишу уже довольно долго, когда только появляется свободное время.

Ссылка на репозиторий: https://github.com/Lordron/WoWHead-data-parser
Бинарники в аттаче (.NET 4.0 Client Profile)

Парсер поддерживает 4 вида парсинга:
-По одному Id
-По диапазону Id
-По списку Id
-По фильтру вовхеда (только некоторые парсеры)

Хочу обратить внимание, что список Id я получил с вовхеда, а не брал его из головы.



В первом выпадающем меню выбирается локализация и, соответственно, сервер.
Во втором выпадающем меню выбирается парсер

Single, Multiple, List, WoW Head Filter - вид парсера, я описывал выше.
(Если вы выбрали тип List, то в выпадающем меню в этой вкладке выбирайте ту строку, которая похожа на парсер. Т.е для парсера тренеров - trainer.welf, а для книжек - page.welf)

Программа поддерживает следующие парсеры



С версии 2.1 добавлен конфиг файл, в котором мы можете настроить вывод sql запросов


Welf format

WELF - придуманное мною расширение - Wowhead Entries List File
Ид страниц в нем идут в любом порядке. Ид отделяются запятыми без пробелов (1,3,15,535,123)

Пожалуйста тестируйте и отписывайтесь о том, что не исправно и чего не хватает. Очень жду ваших отзывов!

Changelog

2.0.1

-Добавлена поддержка Vendor парсера
-Исправлен редкий баг с Trainer парсером, когда в sql-е шли подряд 2 ';'
-Верхняя строка меню заменена на более красивую
-В выпадающем меню теперь отображаются не названия классов, а кастомные имена

-Мелкие улучшения
-Добавлена поддержка для чтения .db2 файлов, данные из которых могут понадобится в парсере (Vendor парсер уже их использует)

2.1.0

https://github.com/Lordron/WoWHead-d...469788276cda25

Теперь можно в конфиге выбрать:
a) тип запроса. Имеются апдейт, реплейс, инсерт игноре.
b) пропуск пустые полей. Т.е если стоит true, то при построении запроса если значение null or empty, то апдейта на это поле не будет.
c) запрос для очистки. Т.е если стоит true, то перед каждым блоком replace \ insert ignore будет писаться запрос на удаление данных по ключу

Пример

UPDATE `creature_template` SET `npcflag` = `npcflag` | '48', `trainer_type` = '0' WHERE `entry` = '39206';
DELETE FROM `npc_trainer` WHERE `entry` = '39206';
INSERT IGNORE INTO `npc_trainer` (`entry`, `spell`, `spellcost`, `reqlevel`, `reqSkill`, `reqSkillValue`) VALUES
('39206', '5143', '60', '3', '237', '0'),
('39206', '2136', '142', '5', '8', '0');

+ все что я писал до этого, а именно парсер локалей нас и квестов, куча фиксов, парсер extendedCost-ов, консоль и многое другое

Проверяем все и отписываем о найденых багах. Также жду еще предложения и пожелания

Алсо новые бинарники в аттаче.

Парсер собран в DEBUG режиме для лучшей отловки крашей. Будут краши -выкладывайте и пишите как вы его получили, чтобы мне было легче отловить его

2.3.0

-Оптимизация даунлоадера. Скорость парсинга страниц очень сильно увеличивал. Раз наверное в 30.
-Оптимизация парсеров
-Переход на использование библиотеки для чтения дб файлов от LordJZ
-Поддержка old.wowhead.com
-Поддержка item durability parser
-Парсинг страниц сразу при скачивании, в связи с чем программа при большом кол-ве страниц не так сильно кушает память
-Выгрузка данных из памяти после парсинга
-Добавлена поддержка добавлений данных в уже имеющийся файл
-Добавлена поддержка пропускать header insert\replace запросов (то, что идет перед VALUES в скобках)
-Исправлено некоторые ошибок в работе парсера

Бинарники для .NET Client Profile 4.0 Release x86

2.3.1

-Обновление библиотеки Newtonsoft.Json.dll, что даст множество улучшений
-Локализация приложений
-Сохранение последнего использованного парсера и локаля
-Исправлено 2 краша
-Добавлена About окошко
-Исправлены найденные баги
-Небольшая оптимизация

[partizanes]

1)не хватает наверно ,или кнопки about или версии в заголовке
2)запретить развертку во все окно ,так как становиться криво.
3)
4)Multiple->1-50->start->abort->yes-abort->yes->crash
вообщем везде если прервать операцию и повторно нажать прервать да ->краш.

************** Текст исключения **************
System.InvalidOperationException: Операция является недопустимой из-за текущего состояния объекта.
в WoWHeadParser.Worker.Stop()
в WoWHeadParser.WoWHeadParserForm.AbortButtonClick(O bject sender, EventArgs e)
в System.Windows.Forms.Control.OnClick(EventArgs e)
в System.Windows.Forms.Button.OnClick(EventArgs e)
в System.Windows.Forms.Button.OnMouseUp(MouseEventAr gs mevent)
в System.Windows.Forms.Control.WmMouseUp(Message& m, MouseButtons button, Int32 clicks)
в System.Windows.Forms.Control.WndProc(Message& m)
в System.Windows.Forms.ButtonBase.WndProc(Message& m)
в System.Windows.Forms.Button.WndProc(Message& m)
в System.Windows.Forms.Control.ControlNativeWindow.O nMessage(Message& m)
в System.Windows.Forms.Control.ControlNativeWindow.W ndProc(Message& m)
в System.Windows.Forms.NativeWindow.Callback(IntPtr hWnd, Int32 msg, IntPtr wparam, IntPtr lparam)

5)м.б сохранять последний язык парсинга в конфиге?
6)
p.s В Любом случае интересный продукт ,удачного развития проекта.

add.

7) не помешало бы определенное положение формы (about) и запоминать положение main окна.
8)от опции русского языка я думаю тоже не стоит отказываться


тестирую....

[Lordronn]

3)не нашел как работает wowheadFilterTab(WoW head Filter)

он работает только для npc\quest locale\data парсера и только, это для экономии времени. Уже переделываю

add:
1,2,4,5 - готово!
сделал сохранение последнего выбранного парсера и языка
файл добавил

жду еще предложений!

add:
6.Он заблокирован) + так выходит значительно быстрее, чем каждый раз преобразовывать число в текст
7.Не думаю что это нужно
8.Сделаю, как с локализациями разберусь. Тогда все сообщения и интерфейс переведу

[partizanes]

интересуюсь чисто для себя ,альтернативы для цифр нет? тоесть label тоже не вариант?

[Lordronn]

Почему, варианта. Просто в случае с нумерикАпДаун-ом мы увеличиваем каждый раз число на 1 - просто и быстро. А в случае с лейблом надо сначала нужно перевести число в строку, и уже поставить ее лейблу, что значительно медленнее.
Жду дальше предложений и багов!

[partizanes]

очень долго загружается 15-20 сек на очень мощных машинах (release/debug)
вопрос что так долго подгружает и нельзя ли вынести в отдельный поток *?

[Lordronn]

Хм и правда. Я бы подумал, что дело в дб2 файлах, но тут на них тратиться 36мс. Сейчас покопаю

Нашел! Вся задержка из-за загрузки welf файла. При запуске он автоматом грузит первый файл из списка, и получается так, что этот файл как-раз item.welf, а там 60к записей.

Можно попробовать вынести загрузку в отдельный поток, но может произойти так(как раз таки на такой файле), что он еще будет грузиться, а вы уже будете его использовать. Так что думаю это не вариант.
Думаю надо придумывать какой нибудь другой способ хранения, уже вроде и структуру придумал

struct MainHeader
{
    string Name; // Имя парсера, для автоассоциации парсера и файла
    int length; // Кол-во записей
}

struct Block
{
    uint Id
}

[Lordronn]

https://github.com/Lordron/WoWHead-d...a6718dd6e4bfa4

Исправил, пока welf-ы не переделывал.

Думаю та проверка и вовсе не нужна была. Если генерировать файлы welf креатор (надо будет кстати его переписать основательно), то даблов вообще быть не может

[partizanes]

Почему бы у пользователя при надобности не спросить загрузить или нет?
или при первом вызове?*

[Lordronn]

Смысла нету. Сейчас уже загрузка идет меньше чем за секунду, по этому никто этого не заметит

[Lordronn]

https://github.com/Lordron/WoWHead-d...bf1ad6d5a46206

Обновил юзер агенты, и увеличил их кол-во до 20.
Взял теперь новые юзер агенты для новых браузеров (сафари, мозила, опера, хром)
+ фиксы по мелочи

[lovepsone]

Неплохо, пару недель я хотел написать что-то похожее на Delphi, но решил изучать c++.
Насчет проги:
1) хотелось бы видеть русскую прогу;
2) прога немного тормозит, хотя машина у меня не слабая.

[Lordronn]

1.Сделаю, как только пойму как сделать локализацию нормально
2.Что именно? Знаю парсеры почему-то тормозят дойдя до опр. уровня. Например вендор парсер всегда почему-то тормозит на 950-980 ентри (если использовать список), не знаю даже почему.

[lovepsone]

а если локализацию пихать в отдельный файл, к примеру lang/russian.xml? Далее в настройках пользователь сам будет выбирать нужный ему язык. Правда наверное это увеличит нагрузку, при передачи значений в опции формы. Я наверное так и сделал бы.

[Lordronn]

Тут есть и стандартные средства. Я начал локализацию потихоньку, но что-то не пойму как программно сменить язык.

[Lordronn]

Сделал! Смотрите последние коммиты. Жду отзывов.
Пока нашел только 1 баг: после смены локализации консоль очищается, но в лог файл все пишеться

[Lordronn]

Обновил библиотеку Newtonsoft.Json.dll с 4.0.8.14612 до 4.5.5.14917
Как видно разница большая. Вы почувствуйте уменьшенную нагрузку на процессор при парсинге.
Также новые бинарники 2.3.1

2.3.1
-Обновление библиотеки Newtonsoft.Json.dll, что даст множество улучшений
-Локализация приложений
-Сохранение последнего использованного парсера и локаля
-Исправлено 2 краша
-Добавлена About окошко
-Исправлены найденные баги
-Небольшая оптимизация

[Lordronn]

Что-то вовхед тупит последнее время, работает медленно. Сильно мешает в разработке npc parser-а. У меня одного такая проблема? А то вдруг они мне что-то сделали, за то что я постоянно парсю вовхед)

[Amaru]

Открыл, нажал List, выбрал item.welf, нажал Start.
И уже часа как полтора Parsing на 64750

[Lordronn]

Вот и я о том же. вовхед тупит жестко. Надо будет сделать максимальное время ожидания. Если больше N минут, то останавливать

+ надо будет Abort кнопку переделать, чтобы не ожидать завершения всех операций, а самому их завершать. Придется тогда при создании реквеста помещать его в массив, а после удалять. И после остановки приложения останавливать все существующих на данный момент реквесты

[Amaru]

Сообщение от Lordronn

Вот и я о том же. вовхед тупит жестко. Надо будет сделать максимальное время ожидания. Если больше N минут, то останавливать

+ надо будет Abort кнопку переделать, чтобы не ожидать завершения всех операций, а самому их завершать. Придется тогда при создании реквеста помещать его в массив, а после удалять. И после остановки приложения останавливать все существующих на данный момент реквесты

Как я понял, 64750 это последний айди

[Lordronn]

Угу. Там вовхед глючит, и не отправляет ответ. А пока ответ не придет так и будет весеть 64750). Хз почему так, всмысле почему вовхед не отдает.

64750 - это не ласт ИД, это последний Ид в списке под номером 64750. На самом деле последний Ид - 79062

[Lordronn]

Обновил DBFilesClient.NET.dll
https://github.com/Lordron/WoWHead-d...18c494471f7244

благодаря новой версии парсинг вендоров теперь не так сильно нагружает процессор

[Lordronn]

Просматривал кол-во открытых соединений и выяснил причину висяков. Я про те висяки, когда прога бесконечно ожидала данные. Когда висела на 2599 из 2600 например.
Причина такого бага в том, что из-за какой-то неизвестной х**ни кол-во открытых соединений равно 0, в то время как программа еще работает. По какой-то причине новые подключения больше не создаются или же уже были закрыты раньше.
Программа ждет пока все семафоры будут освобождены. Семафоры я освобождаю вместе с закрытием подключения. По этому я думаю, что программа перестает создавать подключения. Только в такой случае может быть такое разногласие, когда семафоры не высвобождаются из-за того, что новые соединения не создаются.

add: да, все верно

[rsa]

Сообщение от Lordronn

что из-за какой-то неизвестной х**ни кол-во открытых соединений равно 0, в то время как программа еще работает. По какой-то причине новые подключения больше не создаются или же уже были закрыты раньше.

не из-за какой-то неизвестной х..., а из-за особенностей винсока.
я с ним не работаю уже много лет, поэтому знания относятся ко временам WinXP, но думаю ничего не изменилось. количество доступных для процесса сокетов в винсоке - величина динамическая, и вовсе не равна FFFF-(число открытых), ее надо запрашивать спец. методом, и заранее предполагать что число более 1024 - скорее всего неверное...
в реальности проще вести счетчик в софтине самостоятельно, закладываясь на ограничение 256 для клиентской винды и 1024 для серверной.

[Lordronn]

У меня максимальное кол-во подключений - 100

[rsa]

Сообщение от Lordronn

У меня максимальное кол-во подключений - 100

в винсоке одно http подключение = 2...4 открытых сокета.

[Йоха]

Сообщение от rsa

в винсоке одно http подключение = 2...4 открытых сокета.

Небольшое уточнение: в winsock нет функций для работы с протоколом http.
Этим занимается библиотека Wininet, которая является более высокоуровненвой по сравнению с winsock и включает в себя функции для работы по http и ftp протоколам.

[Lordronn]

Вот бинарники свежие, версию пока не менял.

[Lordronn]

Сижу мучаюсь уже 2 вечер. Выслушаю любые предложения и идеи по оптимизации. За 2 вечера ничего толкового не получилось

[Lordronn]

После долгих опытов и тестов выяснил, что основной висяк идет из-за блокировки

lock (_threadLock)

Если снят блокировку, то вендоры парсятся с той же скоростью, за тоже время 1 минута 14 секунд. Но блокировка нужна. Надо будет тут подумать, как бы лучше сделать.

[Lordronn]

Сделал пару изменений, пока не пушал. Уже 2 дня тестирую стабильность и вроде крашей нету. Тестировал на вендорах (2.6к записей). Сейчас начал тестировать на item-ах. Там 64750 записей, как раз протестирую полностью

Вот список запланированных изменений для следующей версии
-Автоматически загружать welf файл при выборе парсера. Если используется кастомный файл, то его можно будет потом поменять.
-Перенос парсинга юнитов и квестов с фильтра на обычный лад
-В связи с предыдущей пунктом расширю возможности парсинга юнитов и квестов. Буду вытягивать побольше данных

[Lordronn]

Набросал кошерный npc парсер, не использующий вовхед фильтры. Удалось вытащить следующие поля

Data:
-Level
-Money
-Currency
-Type
-Quotes

Locale:
-Name

К сожалению SubName вытащить пока не удалось

[virusav]

Я так вытаскиваю name и subname:

<div class="text">(?:(?!<h1>).+?)<h1>\s*((?!&lt^;|</h1>).+?)\s*(?:&lt^;((?!&gt^;).+?)&gt^;)?<

Далее надо только сделать замены символов и обрезать пробелы по краям.

Пишу на Parser 3.4.1, поэтому спецсимволы экранирую символом ^

[Lordronn]

Вот предварительный вариант скула для Лорда Ребрада (36612)
Хочу еще вытащить ХП

-- Dump of 6/29/2012 2:06:48 PM (00:00:02.0161153), Total object count: 1
DROP TABLE IF EXISTS `creature_currency_template`;
CREATE TABLE `creature_currency_template` (
  `entry` int(10) NOT NULL,
  `currencyId` int(10) NOT NULL default '0',
  `currencyAmount` int(10) NOT NULL default '0',
  PRIMARY KEY (`entry`)
  ) ENGINE=MyISAM DEFAULT CHARSET=utf8;

DROP TABLE IF EXISTS `creature_quotes`;
CREATE TABLE `creature_quotes` (
  `entry` mediumint(8) unsigned NOT NULL DEFAULT '0',
  `id` tinyint(3) unsigned NOT NULL DEFAULT '0',
  `type` tinyint(3) unsigned NOT NULL DEFAULT '0',
  `text` longtext,
  PRIMARY KEY (`entry`,`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;

INSERT INTO `creature_template` (`entry`, `minlevel`, `maxlevel`) VALUES
('36612', '9999', '9999');

INSERT INTO `creature_template` (`entry`, `mingold`, `maxgold`) VALUES
('36612', '1229967', '1229967');

INSERT INTO `creature_currency_template` (`entry`, `currencyId`, `currencyAmount`) VALUES
('36612', '395', '24');

INSERT INTO `creature_quotes` (`entry`, `id`, `type`, `text`) VALUES
('36612', '0', '14', 'Лорд Ребрад кричит: Костяная хватка!'),
('36612', '1', '14', 'Лорд Ребрад кричит: Кости для жертвоприношений!'),
('36612', '2', '14', 'Лорд Ребрад кричит: Плеть накроет этот мир волной смерти и разрушения!'),
('36612', '3', '14', 'Лорд Ребрад кричит: Постой-ка тут!'),
('36612', '4', '14', 'Лорд Ребрад кричит: Сгинь в вечных муках!'),
('36612', '5', '14', 'Лорд Ребрад кричит: Смертные! Ваш путь закончится, так и не начавшись. Никто не смеет входить в обитель господина!'),
('36612', '6', '14', 'Лорд Ребрад кричит: Я вижу... лишь тьму.'),
('36612', '7', '14', 'Лорд Ребрад кричит: ВИХРЬ КОСТЕЙ!'),
('36612', '8', '14', 'Лорд Ребрад кричит: Единственный выход – это смерть!');

[virusav]

По тому же нпц результаты моего скрипта (может, что-то еще доставать будешь):

INSERT INTO `creature_template_stat` SET `entry`=36612, `Health_N10`=6972500, `Health_N25`=23706500, `Health_H10`=10458750, `Health_H25`=31376250 ON DUPLICATE KEY UPDATE `entry`=36612, `Health_N10`=6972500, `Health_N25`=23706500, `Health_H10`=10458750, `Health_H25`=31376250;

INSERT INTO `creature_template` SET `entry`='36612', `name`='Lord Marrowgar', `mingold`='1214082', `maxgold`='1214082' ON DUPLICATE KEY UPDATE `entry`='36612', `name`='Lord Marrowgar', `mingold`='1214082', `maxgold`='1214082';

UPDATE `creature_template` SET `faction_a`=14, `faction_h`=14 WHERE `entry`=36612;

[Lordronn]

1.Тебе удобнее, на C# нету такого парсера html
Хп я пока не могу достать, а имя и под_имя - дело локаль парсера, благо он у меня пашет
2.Как ты определил фракцию только по цвету? Не думаю что это верно, есть же куча других factionId которые дают такую же враждебность как и 14 фракция, хотя если фракции вообще нету то как затычка до сниффа сойдет.
Для зеленых и жолтых какие factionId юзаешь?

[YuruY]

хотя если фракции вообще нету то как затычка до сниффа сойдет.

Только для этого, сверху из сниффов шлифуется, а кого недосниффал, пока затычка.))

[Lordronn]

Добавил Health парсер. Поставил парситься. Результат будет через пол часа, надеюсь все предусмотрел

add: Спарсил, обнаружил 9к + мобов у которых я не получил ХП. Проблема вы том что у большенства и правда на вовхеде нету ХП, а у остальных я и не знаю как проверить наличие хп, все 9к страниц я не просмотрю.
Также нашел еще 1 проблему. Я то думал что максимум на вовхеде будет ХП для 4 уровней сложности, а там еще у некоторых есть ХП для поиска рейда, + у некоторых вообще 7 ХП (нормал, героик, 4 сложности + поиск рейда)
http://ru.wowhead.com/npc=14337

Сейчас вроде придумал как распределять ХП
Если кол-во хп = 1, то это обычное ХП
Если кол-во хп = 2, то это обычное и героическое ХП
Если кол-во хп = 4, то это 4 уровня сложности
Если кол-во хп = 5, то это 4 уровня сложности + рандом_рейд
Если кол-во хп = 6, то это нормал, героик + 4 уровня сложности
Если кол-во ХП = 7, то это нормал, героик, 4 уровня сложности + рандом_рейд

Нет, я ошибка.
Может быть и так, что если у моба 6хп, то это нормал, героик, 3 сложности + рандом_рейд
http://ru.wowhead.com/npc=32345

Так что тут придется извратиться

[TOM_RUS]

Какой может быть уровень сложности у non combat петов и рем бота инженерского? Вы о чем вообще?