Discussion :

[DelphLaga]

Bonjour,

Je voudrais nettoyer un texte que j'ai aspiré sur le Web.
En fait, mon objectif est de travailler sur un article paru sur le Web. Quand j'aspire ma page, j'obtiens l'article en question mais également tous les éléments qui se trouvaient autour (sommaire, liens ...).
Je voudrais donc à partir du titre de mon article supprimer tout ce qui se trouve au dessus.
Est ce que quelqu'un sait comment faire ?

J'ai trouvé le module : use String::Approx 'amatch';

Mais je n'ai pas vraiment compris comment m'en servir.

Merci

[MarneusCalgarXP]

Et bien, il te faut écrire une moulinette différente par site aspiré, dans le sens où toutes les mises en page sont possibles sur le net...

Sinon, si dans le code HTML, le code est organisé de la manière suivante:

<blabla, liens, etc>
<titre>
<article>

Il te suffit de lire le fichier HTML ligne par ligne jusqu'à trouver titre, puis à partir de ce moment, écrire tout ce que tu trouves dans un 2° fichier. Néanmoins, il est très probable que tu perdes toute la mise en page, les feuilles de style CSS dépendant le plus souvent du niveau d'imbrication dans le code HTML

[DelphLaga]

Oui voilà c'est exactement ce qu eje veux faire mais je ne trouve pas les solutions :-(

[MarneusCalgarXP]

Il suffit de faire une lecture séquentielle ligne par ligne, en espérant que le titre soit sur une seule ligne, et qu'il ne contienne pas d'accents ni de balises html .

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
 
my $filename = 'fichier.html';
my $output = 'fichier2.html';
my $ok = 0; # 0 avant le titre, 1 après
open(INPUT, '<', $filename ) or die ("impossible d'ouvrir $filename en lecture");
open(OUTPUT, '>', $output) or die ("impossible d'ouvrir $output en écriture");
 
while (my $line = <INPUT>)
{
  # si on est encore avant le titre, on le recherche dans la ligne courante
  if (!($ok)) { $ok = ($line =~ /$titre/); }
  # si on est sur le titre ou après le titre, on écrit dans le 2° fichier
  if ($ok)
  {
    print OUTPUT $line;
  }
}
 
close(OUTPUT);
close(INPUT);

Cette solution sera efficace seulement si

• le titre est sur une seule ligne
• il n'y a aucun accent dans le titre (sinon le code HTML ne correspondra pas au titre)
• pas de balise dans le code HTML au sein du titre (ex: "le <b>gros</b> texte" ne correspondra pas à "le gros texte")

[DelphLaga]

Super Merci maintenant il faut que je trouve une solution pour utiliser cette méthode mais en considérant que le titre est composé de plusieurs mots ...

Merci pour ton aide !

[MarneusCalgarXP]

Le code que je t'ai fourni fonctionne également avec un titre de plusieurs mots, en respectant les 3 conditions données à la fin...

[DelphLaga]

Oui c'est vrai mais en fait ce que je veux faire c'est créer un prog assez générique.
Du coup je voudrais pouvoir récup mon titre d'un fichier annexe puis l'intégrer à mon programme.

[MarneusCalgarXP]

Bonne chance