Introdução
Ano passado publiquei o script campbra.sh que mostrava no terminal a tabela de classificação brasileirão série A de 2011. O problema é que o script não funciona para o campeonato desse ano, pois o formato da página em que os dados eram extraídos foi modificado.
Resolvi modificar o script e torná-lo funcional para o campeonato 2012.
O código
Antes de tudo, postarei o código.
#!/bin/bash
# [campbra.sh]
# Script que mostra a tabela do campeonato brasileiro
# série A.
#
# [Codificação]
# Script: UTF-8
# Saída: UTF-8 (variável CODIFICACAO)
#
# [Autor]
# Marcos Paulo Ferreira (Daemonio)
# undefinido gmail com
# https://daemoniolabs.wordpress.com
#
# [Execução]
# $ ./campbra.sh
#
# [Observações]
# O script está configurado para mostrar a tabela
# do campeonato de 2012. Através da variável SITE_TERRA
# você pode apontar para a página de uma tabela de
# outro ano. O script irá funcionar somente se o terra
# manter o mesmo formato da página.
#
# + Versão 2011.0, by daemonio @ Thu Jul 7 01:47:27 BRT 2011
# + Versão 2011.1, by daemonio @ Thu Jul 7 11:19:34 BRT 2011
# + Versão 2011.2, by daemonio @ Thu Aug 11 01:37:33 BRT 2011
# - Alteração devido a tag "move up" acrescentada no fonte.
# + Versão 2012.0, by daemonio @ Sat Jun 2 10:49:43 BRT 2012
# - Alteração na página de extração de dados.
# - Uso do lynx no lugar do wget.
# - Reformulação geral do código.
#
#
# Variáveis globais.
#
# Flag. Valor '1' indica para usar cores. Valor '0'
# não usa cores.
USARCORES='1'
# Codificação usada na saída. Se você estiver com problemas
# de caracteres estranhos, é bem provável que o valor
# dessa variável esteja trocado. Caso isso ocorra, use o valor
# ISO-8859-1.
CODIFICACAO='UTF-8'
#CODIFICACAO='ISO-8859-1'
# Página usada para extrair as informações.
SITE_TERRA='http://esportes.terra.com.br/futebol/brasileiro-serie-a'
# A página acima será salva nesse arquivo.
ARQUIVO_TERRA=/tmp/tabelao$$
# Cores no formato octal.
COR_TITULO='1;35m' # Cor padrão: Magenta forte.
COR_LIBERTADORES='1;33m' # Cor padrão: Amarelo forte.
COR_REBAIXADOS='1;31m' # Cor padrão: Vermelho forte.
COR_DEMAIS='1;30m' # Cor padrão: Cinza forte.
#
# Funções.
#
# Muda a codificação de saída de acordo com
# o valor da variável CODIFICACAO.
function mudar_codificacao() {
iconv -f UTF-8 -t $CODIFICACAO -
}
# Trata as cores das saídas. O primeiro
# parâmetro é o código da cor.
function echocomcor() {
local cor="$1" ; shift
# Sem cor.
if [ "$cor" = '0' ] || [ "$USARCORES" = '0' ]
then
echo "$*"
# Com cor.
else
echo -e "33[$cor" "$*" '33[m'
fi
}
# Colore posições específicas da tabela.
function colorir() {
local numerolinha=1
local LINHA
local corlinha
while read LINHA
do
if [ "$numerolinha" = '1' ]; then
corlinha=$COR_TITULO
elif [ "$numerolinha" -lt 6 ]; then
corlinha=$COR_LIBERTADORES
elif [ "$numerolinha" -gt 17 ]; then
corlinha=$COR_REBAIXADOS
else
corlinha=$COR_DEMAIS
fi
echocomcor "$corlinha" "$LINHA"
let numerolinha++
done
}
# Essa função "limpa" a tabela retornada
# pelo lynx.
function gerar_tabela() {
local nomeduplicado
local indicenome
local nometime
local LINHA
local primeiralinha='1'
while read LINHA
do
if [ "$primeiralinha" = '1' ]
then
primeiralinha='0'
echo "$LINHA"
continue
fi
# Obtém o nome do time. O lynx retorna esse nome duplicado.
nomeduplicado=$(echo "$LINHA" | sed 's/^[0-9 ]*\([^>]*\).*/\1/;')
# Obtém o índice do nome.
indicenome=$(echo "$nomeduplicado" | wc -w)
indicenome=$(((indicenome)/2))
# Extrai o nome do time, eliminando a duplicidade.
nometime=$(echo "$nomeduplicado" | cut -f1-"$indicenome" -d ' ' | tr ' ' '_')
# Mostra o nome do time.
echo -n "$nometime "
# Mostra o restante da linha, após o nome do time.
echo "$LINHA" | sed 's/^[^>]*>>//'
done
}
#
# Main
#
# Baixando ...
echo '[+] Baixando a pagina da tabela do brasileirao... Espere.'
# O lynx dá dump na página e retorna a tabela de classificação
# já pronta, porém com o nome de cada time duplicado. O (GNU) sed
# filtrará somente essa tabela e a função gerar_tabela eliminará
# a duplicidade de nomes. O comando column formata a tabela, o tr
# troca o '_' por espaço e o nl numera as linhas começando do zero.
lynx -dump -nolist -width=300 -accept_all_cookies \
-display_charset=UTF-8 "$SITE_TERRA" | sed -n '/^\s*Times\s*P\s*J/,+20p' |
gerar_tabela | mudar_codificacao | colorir | column -t | tr '_' ' ' | nl -v0
#EOF
Para executar o script basta fornecer o seu nome.
$ chmod +x campbra.sh
$ ./campbra.sh
[+] Baixando a pagina da tabela do brasileirao... Espere.
0 Times P J V E D GP GC SG %
1 Botafogo 6 2 2 0 0 7 4 3 100
2 Vasco 6 2 2 0 0 3 1 2 100
3 Atlético-MG 6 2 2 0 0 2 0 2 100
4 Internacional 4 2 1 1 0 5 3 2 66
5 Figueirense 4 2 1 1 0 4 3 1 66
6 Fluminense 4 2 1 1 0 3 2 1 66
7 Grêmio 3 2 1 0 1 2 2 0 50
8 São Paulo 3 2 1 0 1 3 4 -1 50
9 Flamengo 2 2 0 2 0 4 4 0 33
10 Atlético-GO 2 2 0 2 0 1 1 0 33
11 Sport 2 2 0 2 0 1 1 0 33
12 Cruzeiro 2 2 0 2 0 0 0 0 33
13 Santos 2 2 0 2 0 0 0 0 33
14 Palmeiras 1 2 0 1 1 1 2 -1 16
15 Portuguesa 1 2 0 1 1 1 2 -1 16
16 Ponte Preta 1 2 0 1 1 1 2 -1 16
17 Náutico 1 2 0 1 1 1 2 -1 16
18 Bahia 1 2 0 1 1 0 1 -1 16
19 Corinthians 0 2 0 0 2 0 2 -2 0
20 Coritiba 0 2 0 0 2 2 5 -3 0
# OBS: Tabela gerada em 02/06/2012
Por padrão, a saída do script é colorida. Setando a variável USARCORES para zero, a saída será limpa, sem uso de cores.
Problemas com caracteres estranhos
Se você executou o script e percebeu que os nomes de alguns times apresentam caracteres estranhos, então você está usando uma codificação diferente da UTF-8, provavelmente a ISO-8859-1.
Para resolver esse problema você deve trocar de codificação e tudo que você precisa fazer é alterar o conteúdo da variável CODIFICACAO (na linha 50 do script), para isso comente a linha referente a UTF-8 e descomente a linha referente a ISO-8859-1.
#CODIFICACAO='UTF-8' CODIFICACAO='ISO-8859-1'
Detalhes de implementação
Eu praticamente reescrevei o campbra.sh, pois adotei o uso do lynx em relação ao wget. Com o wget eu obtinha o código fonte da página e a partir daí eu montava a tabela. Já com o lynx é bem mais fácil, pois o programa já nos retorna a tabela e o único trabalho do script é ajustá-la. Por curiosidade, se você deseja ver a tabela gerada pelo lynx, digite:
$ SITE_TERRA='http://esportes.terra.com.br/futebol/brasileiro-serie-a'
$ lynx -dump -nolist -width=300 -accept_all_cookies \
-display_charset=UTF-8 "$SITE_TERRA" | sed -n '/^\s*Times\s*P\s*J/,+20p'
Times P J V E D GP GC SG %
1 Botafogo Botafogo >> 6 2 2 0 0 7 4 3 100
2 Vasco Vasco >> 6 2 2 0 0 3 1 2 100
3 Atlético-MG Atlético-MG >> 6 2 2 0 0 2 0 2 100
4 Internacional Internacional >> 4 2 1 1 0 5 3 2 66
5 Figueirense Figueirense >> 4 2 1 1 0 4 3 1 66
6 Fluminense Fluminense >> 4 2 1 1 0 3 2 1 66
7 Grêmio Grêmio >> 3 2 1 0 1 2 2 0 50
8 São Paulo São Paulo >> 3 2 1 0 1 3 4 -1 50
9 Flamengo Flamengo >> 2 2 0 2 0 4 4 0 33
10 Atlético-GO Atlético-GO >> 2 2 0 2 0 1 1 0 33
11 Sport Sport >> 2 2 0 2 0 1 1 0 33
12 Cruzeiro Cruzeiro >> 2 2 0 2 0 0 0 0 33
13 Santos Santos >> 2 2 0 2 0 0 0 0 33
14 Palmeiras Palmeiras >> 1 2 0 1 1 1 2 -1 16
15 Portuguesa Portuguesa >> 1 2 0 1 1 1 2 -1 16
16 Ponte Preta Ponte Preta >> 1 2 0 1 1 1 2 -1 16
17 Náutico Náutico >> 1 2 0 1 1 1 2 -1 16
18 Bahia Bahia >> 1 2 0 1 1 0 1 -1 16
19 Corinthians Corinthians >> 0 2 0 0 2 0 2 -2 0
20 Coritiba Coritiba >> 0 2 0 0 2 2 5 -3 0
O sed irá filtrar somente a tabela, excluindo o conteúdo restante da página. O endereço usado no comando sed só é válido para o GNU sed, então verifique se é esse que você tem instalado ($sed -v).
Repare que na saída do lynx os nomes dos times estão duplicados. A função gerar_tabela do campbra.sh é responsável por eliminar essa duplicidade. Feito isso, a nova tabela é formatada com o comando column e numerada com o comando nl. Esses procedimentos são bem mais simples do que aqueles feitos no código antigo do script.
Referências
[1] Campbra.sh: Tabela do Campeonato Brasileiro no Terminal, by Daemonio (Acessado em: Junho/2012)
https://daemoniolabs.wordpress.com/2011/07/18/campbra-sh-tabela-do-campeonato-brasileiro-no-terminal/
Dæmonio Labs 