Discussion :

[doudine]

Bonjour,
Je souhaiterais récuperer certaines données d'un fichier (html, et texte) de maniere à générer moi meme un tableau de donnée...
Quels outils sont les mieux appropriés pour ce genre de demande?
En existe t il déjà?
Merci bcp pour vos réponse.

[romain3395]

Tu peux utiliser la classe StringTokenizer (java.util.StringTokenizer) qui va te parser ton fichier texte.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
StringTokenizer st = new StringTokenizer("this is a test");
     while (st.hasMoreTokens()) {
         System.out.println(st.nextToken());
     }

qui te donne ca ;

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
 
     this
     is
     a
     test

[doudine]

Je parlais de fichiers textes ou html... et non pas d'une chaine de caracteres...
Qq un aurait une solution?
En somme, je cherche à récuperer certaines données ds un fichier html ou autres... c si dur?

[tileffeleauzed]

Ce n'est pas dur, mais il semble te manquer quelques bases.

Tu devrais déjà lire Le système d’E/S de Java, puis réfléchir à la façon dont tu vas organiser tes données dans le fichier.

En tous cas, au départ, je te conseille de choisir les fichiers textes avec des infos ligne par ligne, et de voir pour plus tard les fichiers html, beaucoup plus difficiles à analyser.

[jerome.petit]

pour HTML tu pourrais peut être t'en sortir avec un analyseur Sax ?

[oca]

SAX ne sera pas forcement le plus simple car les document html ne
sont pas forcement 'bien formé'

Donc pour le HTML, le plus simple est d'utiliser... un parser HTML !
ce qui ns amène donc à la question suivante:
Mais ou trouver un parser HTML ?

ici :
http://java-source.net/open-source/html-parsers

Ce qui amène la 3ème question : lequel choisir :-)

Moi j'ai utilisé Jericho HTML Parser qui m'a bien plus.

Ceci dit, si tu doit parser du text et/ou du html, il existe des solutions
élégantes pour choisir la stratégie à adopter.
C'est ce que l'on apelle un Design Pattern

Je te recomande les patterns suivant :

Factory, Strategy et Visitor (Pour le parsing)

le codage par Design pattern demande un petit investissement,
mais cela vaut la paine je crois. Il y a pas mal du tutoriels sur
les design patterns sur le web

A+
Olivier

[doudine]

super je vais voir tout ça!
Merci!

[waddle]

pour extraire des infos de formats dont on connait la structure le plus simple est d'utiliser des outils existants, les ETL (Extract Transform Load).

ils te permettent d extraire des infos de n importe quel format vers un autre

ca peut etre adapté a ton cas

qques ETL (open source bien sur... ;-)):

cloverETL: http://cloveretl.berlios.de/
Enhydra octopus: http://octopus.objectweb.org/

[doudine]

ok! mais là faut que je trouve comment on s'en sert...
Merci

[viscere]

Je te recomande les patterns suivant :

Factory, Strategy et Visitor (Pour le parsing)

Salut,

Peux tu nous préciser l'utilisation des 2 premiers pattern dans notre cas stp?

Dans mon cas je dois realiser un convertisseur xml <-> 3 formats différents.

J'aurais donc un parseur pour chaque format texte différent et j'ai la sensation ;-) qu'il serait mieux d'utiliser dans ce cas la des design patterns. Dans mon cas au lieu de Strategy ca ne serait pas mieux TemplateMethod?

Laurent