Discussion :

[|DUCATI| DesMo]

Lut All,

Voila je cherche à récupérer des infos en parsant des Pages HTML;

Je lis la page, je la transforme en ASCII en utilisant :
use HTML::FormatText;
use HTML::TreeBuilder;

J'ai donc une variable ASCII multiligne de type :

bla bla bla blabl bla bla bla bla reblareblaaa
bla bla bla bla bla MOTIF1 #DATA1
MOTIF2 #DATA2
bla bla bla bla

Je souhaite extraire les donnée #DATA1 et #DATA2

j'ai essayé avec des regexp mais je n'y arrive pas en faisant un truc du genre :

$data1 = $ascii;
$data1 =~ s/(.*)MOTIF1(.*)/$2/m;
$data2 =~ s/MOTIF2t(.*)//m;



Help me Please

[le troll Hebus]

bla bla bla blabl bla bla bla bla reblareblaaa
bla bla bla bla bla MOTIF1 #DATA1
MOTIF2 #DATA2
bla bla bla bla


qu'est ce qui différencie #DATA1 ou #DATA2 du bla bla qui le suit?

Christophe

[|DUCATI| DesMo]

#DATA1 est encadré par motif1 et motif2
#DATA2 peut être encadré par motif2 et un motif3 ou éventuellement un /n

[le troll Hebus]

alors tu fais:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
 
$data1 = $ascii;
$data1 =~ s/^(.*MOTIF1\s)(.*)(\sMOTIF2.*)$/$2/m;

(j'ai pas fait de vérif)

et pour data2, tu fais pareil en remplaçant ce qui encadre

Christophe.

[|DUCATI| DesMo]

En fait cela me donne le meme résultat cela ne m'enlève pas les lignes avant et après dans la variable.

Si je fait un print $ascii avant traitement j'ai :
/n
Réalisateurs : WALT DISNEY DEAN DEBLOIS CHRIS SANDERS/n
Interprète : DESSIN ANIME/n
Genre : DESSIN ANIME / VIDEO/n
Support : DVD/n
/n
/n
commentaire : bla bla bla

et je souhaite récupérer
$réalisateur = "WALT DISNEY DEAN DEBLOIS CHRIS SANDERS";
$genre = "DESSIN ANIME / VIDEO";
$support = "DVD";

donc dans l'esprit de ce que tu me disais je pensait

faire :
$genre =~ s/^(.*Genre\s)(.*)(\sSupport.*)$/$2/m;

Mais le .* de début et de fin ne semblent pas être pris en compte

du coup je me retrouve avec :
$genre =
"Réalisateurs : WALT DISNEY DEAN DEBLOIS CHRIS SANDERS
Interprète : DESSIN ANIME
: DESSIN ANIME / VIDEO";

sic !

Je n'arrive pas en fait à passe outre les retours chariots semble t'il.

[|DUCATI| DesMo]

ALors je viens de trouver une bonne piste en faisant :

$genre =~ s{.*Genre(.*)Support.*} {$1}gsx;

Me reste à virer le : et les espaces avants et après. Mais j'ai encore du mal à combiner plusieurs regexp en une seule si qqun peut m'aider.

[jérôme]

Et avec une règle comme ça ?

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

m/Genre : (.*)/$1

Ca marche pas ? (Note que je ne fais pas de Perl et donc je ne connais pas bien les regexp en Perl )

[|DUCATI| DesMo]

Alors voilà où j'en suis

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
 
sub thru_to {
	my ($from, $thru, $to);
	$from = $_[0];
	$thru = $_[1];
	$to   = $_[2];
 
 
	$from =~ s{(.*$thru)(.*)($to.*)\s+$} {$2}s;
	$from =~ s/^\s+//;
	$from =~ s/\n/ /g;
	$from =~ s/^:|//gs;
	$from =~ s/^\s+//;
 
	return $from;
 
}
 
$genre= &thru_to ($ascii, 'Genre', 'Support');

Le problème est que s'il y a plusieur fois le motif de terminaison (ici Support) la portion de texte sélectionnée est entre genre et la dernière occurence du second motif argh !!!

[vic]

Voilà ma solution (en partant du $ascii sans traitement) :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
@lignes = split("\n", $ascii);
 
foreach $ligne (@lignes) {
    $ligne =~ /(.*) : (.*)/;
    if ($1 eq "Réalisateurs") { $realisateur = $2; }
    if ($1 eq "Interprète") { $interprete = $2; }
    if ($1 eq "Genre") { $genre = $2; }
    if ($1 eq "Support") { $support = $2; }
}

vic

[|DUCATI| DesMo]

C'est vrai que j'avais pas pensé dans ce sens là avec tout ça si j'arrive pas à me débroullier.

Merci.