Разбивка спарсенного контента

Приветствую всех форумчан!
Помогите пожалуйста решить проблемку с разбивкой текста на статьи.
Что на входе:
Текстовый файл с более чем 2000 русскоязычных статей.
Формат файла:
<h1>Заголовок</h1>
<p>Статья ...</p>
<h1>Заголовок</h1>
<p>Статья ....</p>
В теле статьи и в заголовках больше никаких тегов не используется.
Что надо получить на выходе:
1) Надо разбить входной файл на столько выходных файлов, сколько статей во входном (т.е. более 2000 файлов на выходе, по одной статье с заголовком в каждом выходном файле)
2) Названиее каждого выходного файла - транслит заголовка статьи из этого файла

Если это вообще возможно сделать, подскажите пожалуйста как.

 

Загрузить файл в программу, и задать через повторяющиеся границы настройки, которые бы отделили статьи друг от друга. Тут, если по простому,

1. Заголовок: Начало границы парсинга можно задать <h1>, вторую границу </h1>. Должно разделиться.
2. Статья <p> вторая граница </p><h1>
3. Вывод через <CD_CYCLE_GRAN_ALL!>
4. название файла надо задать через DOCSNAMES_ и <CD_CYCLE_GRAN_1!>
5. Транслит как сделать, посмотрите Ссылки недоступны для гостей

Однако, это не есть готовое решение, только схема, конкретно надо всё испробовать, должно на 95% работать.

 

Что то не выходит (
Для теста сделал входной файл:
<h1>Заголовок-1</h1>
<p>Статья-1</p>
<h1>Заголовок-2</h1>
<p>Статья-2</p>
<h1>Заголовок-3</h1>
<p>Статья-3</p>

Настройки:
Граница 1 <h1> </h1>
Граница 2 <p> </p>
Шаблон вывода - <CD_CYCLE_GRAN_ALL!>
Чем разделять циклы - #13 DOCSNAMES_<CD_CYCLE_GRAN_1!>.txt

На выходе получаю:
Заголовок-1
Статья-1
DOCSNAMES_Заголовок-1
Заголовок-2
Заголовок-3.txtЗаголовок-2
Статья-2
DOCSNAMES_Заголовок-1
Заголовок-2
Заголовок-3.txtЗаголовок-3
Статья-3

 

Что-то, кажется я неправильно понял задачу, наговорил, не то, что нужно. Вам необходимо взять Ссылки недоступны для гостей. Затем уже обрабатывать эти файлы в CD. Программ много, в том числе бесплатные.

 

Спасибо за совет, наконец то получилось. Только намучился с поиском программы для разбивки. Хорошо бы вам включить этот функционал в Decorator например.

 

Дело в том, что эти задачи прекрасно решают другие программы. У нас основное внимание направлено на парсинг, а это задача импорта, как бы противоположно направленная. Насчёт Decorator-а автор сам решает, что в нём добавить, что убрать. Программа бесплатная. Вы изложите свои мысли в соответствующей ветке форума, Ссылки недоступны для гостей, человек он работящий, придёт время добавит, возможно и нечто такое в программу.

 

Говорил с автором. Такие возможности в программе не будут реализованы, задача совершенно противоположная основной задаче Content Downloader-а.