問題タブ [format-conversion]

私はhtmlを取り、同じ構造を保持するjsonを生成しようとしています。

以前にパンドックを使用してフォーマットAからフォーマットBに変換することに成功したことがあるので、パンドックを使用しようとしています。

このファイルを変換しようとしています：

example.html

次のコマンドを使用します。

私が期待するのは次のようなものです：

私が得るものは次のとおりです。

問題は、pandocがテキストコンテンツを読み取るときに、スペース文字に基づいてすべての単語を分離し、それから配列を作成することですが、pandocが文字列全体が単一の要素であることを理解することを期待していました。

私は pandoc の初心者であり、その動作を微調整する方法を見つけることができませんでした。

どうすれば目的の出力を得ることができるか考えていますか? これを行うことができる別のツールを知っていますか? ツール、またはそれが書かれている言語は問題ではありません。

ありがとう。

編集: pandoc オンライン ツールでその動作をオンラインでテストできます。

編集 2 : 回避策。pandoc で HTML->JSON 変換を行う方法が見つかりませんでした。回避策として、コメントで提案された提案を使用し、ノード パッケージであるHimalayaを使用してソリューションを実装しました。パンドックを使用していなくても、結果はまさに私が望んでいたものです。

次の形式のファイルがあります（まあ、一種の）：

等々。ここで重要な点は、すべてのレコードにすべてのフィールドが存在するわけではないということです。

私の質問: このデータを CSV 形式に変換する非常に簡単な方法は何ですか? つまり、私の例では

もちろん、このために awk (または perl、または Python) スクリプトを作成することもできますが、既存の何か、または非常に短いスクリプトにするための何らかのトリックがあることを願っています。

注: もちろん、Unix コマンドライン指向のものを探しています。

Pythonで次のようにデータをcsvファイルに変換する方法に関する提案:

ありがとうございました。