Discussion :

[boniface]

Bonjour,
J'essaye d'utiliser HTML:arser (avec beaucoup de mal, fo l'avouer...malgré la doc sur cpan) et donc je voudrais extraire du texte compris entre certaines balises comme par exemple le texte compris entre les balises <td></td>.
J'ai donc trouvé ce bout de code qui pourrait être un début.
http://www.developpez.net/forums/sho...ML%3A%3APArser

Du coup, j'ai plusieurs questions, pourriez vous m'aider à modifier ce bout de code??
Et enfin, je voudrais mettre le résultat dans un fichier texte pour commencer, pour tester puis à terme dans une base de données mysql.
J'ai vu plusieurs possibilités comme celle-ci par exemple :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
 
open (FILE,'>C:/sanstag.txt') || die "Impossible d'écrire : $!";
While () {
   print FILE $text;
}
close(FILE);

Et pour intégrer ça dans le bout de code, ça me donne ça :

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
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
 
use strict;
use diagnostics;
use LWP::Simple;
use Data::Dumper;
use HTML::Parser ();
 
my $code = get('blabla.html');
 
{
  my $in_object = 0;
 
sub start {
    my ($tag, $text) = @_;
    if( not $in_object ){
        if( $tag eq 'body' ) {
            print FILE $text;
            $in_object++;
        }
    } else {
        print FILE $text;
    }
}
 
  sub end {
    my ($tag, $text) = @_;
    if( $in_object ) {
      print FILE $text;
      $in_object-- if( $tag eq 'body' );
    }
  }
 
  sub text {
    my $text = shift;
    if( $in_object ){
      print FILE $text;
    }
  }
}
open (FILE,'>C:/fichier1.txt') || die "Impossible d'écrire : $!";
 
my $p = HTML::Parser->new( api_version => 3,
                         start_h => [\&start, "tagname, text"],
                         end_h   => [\&end,   "tagname, text"],
                         text_h => [\&text, "text"]
                       );
 
$p->parse( $code );
 
close(FILE);

ce qui ne marche pas....

Voilà, merci d'avance de m'aider!
Virigine

[Arioch]

Hello,

déjà pour commencer à t'aiguiller un peu, je relève une erreur de syntaxe à l'ouverture de ton fichier :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

open (FILE,'>C:/sanstag.txt') || die "Impossible d'écrire : $!";

Là, virtuellement, tu demandes à Perl d'ouvrir un fichier qui se nommerait >C:/sanstag.txt. Le die( ) risque de rentrer rapidement en action

à remplacer comme suit :

open (FILE,">C:/sanstag.txt") || die "Impossible d'écrire : $!";

Ce dont des double quote qu'il faut mettre et non des simples.

Ensuite,

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
While () {
   print FILE $text;
}

Cherches-tu réellement à produire une boucle infinie (while (rien)) ?

[boniface]

Merci pour ta réponse Arioch,
Effectivement, ça va mieux avec des " ". D'ailleurs c'est étonnant que le die() ne se soit pas déclenché...
Donc, maintenant, le script marche mieux, mais j'ai un nouveau pbme:
Je ne veux pas sélectionner le texte compris entre les balises 'body' comme c'est le cas dans le code qui suit mais plutot sélectionner le texte compris entre les balises <div class="texteblancgras"></div> ou <TD width="90%" bgcolor="#DCDFE7"></TD> etcetc...
Et quand j'essaye de remplacer simplement le

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

$tag eq 'body'

en

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

$tag eq 'div class="texteblancgras"'

, ça ne marche plus, apparemment, il trouve pas la balise en question....

Vous avez des suggestions?? j'ai encore fait une annerie?
Voilà le code :

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
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
 
#!c:/perl/bin/Perl.exe
 
use strict;
use diagnostics;
use LWP::Simple;
use Data::Dumper;
use HTML::Parser ();
 
my $code = get('index.html');
 
{
  my $in_object = 0;
 
sub start {
    my ($tag, $text) = @_;
    if( not $in_object ){
        if( $tag eq 'div class="titreblanc"' ) {
            print FILE $text;
            $in_object++;
        }
    } else {
        print FILE $text;
    }
}
 
  sub end {
    my ($tag, $text) = @_;
    if( $in_object ) {
      print FILE $text;
      $in_object-- if( $tag eq 'div' );
    }
  }
 
  sub text {
    my $text = shift;
    if( $in_object ){
      print FILE $text;
    }
  }
}
open (FILE,">C:/sanstag.txt") || die "Impossible d'écrire : $!";
 
my $p = HTML::Parser->new( api_version => 3,
                         start_h => [\&start, "tagname, text"],
                         end_h   => [\&end,   "tagname, text"],
                         text_h => [\&text, "text"]
                       );
 
$p->parse( $code );
 
close(FILE);

Merci pour vos réponses....
Virginie

[boniface]

Bon finalement,
j'ai trouvé la solution sur le net et là voici pour ceux que ça peut aider...:

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
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
 
#!c:/perl/bin/Perl.exe
 
use strict;
use diagnostics;
use LWP::Simple;
use Data::Dumper;
use HTML::Parser ();
 
my $code = get('index.html');
 
{
  my $in_object = 0;
 
  sub start {
     my ($tag,$args, $text) = @_;
      if( not $in_object ){
          if ($tag eq 'div') {
            if ($args->{class} eq 'titreblanc' || $args->{class} eq 'texteblancgras') {
              $in_object++;
            }
          } elsif ($tag eq 'td') {
            if ($args->{bgcolor} eq '#DCDFE7') {
              $in_object++;
            }
          }
      } else {
        print FILE $text;
      }
  }
 
  sub end {
      my ($tag, $text) = @_;
      if( $in_object ) {
        $in_object-- if( $tag eq 'div' || $tag eq 'td');
      }
  }
 
  sub text {
      my $text = shift;
      if( $in_object ){
        print FILE $text."<br>";
      }
  }
}
open (FILE,">C:/sanstag.txt") || die "Impossible d'écrire : $!";
 
my $p = HTML::Parser->new( api_version => 3,
                         start_h => [\&start, "tagname,attr,text"],
                         end_h   => [\&end,   "tagname, text"],
                         text_h => [\&text, "text"]
                       );
 
$p->parse( $code );
 
close(FILE);

ça me permet donc de récupérer le contenu des champs balisés par
<div class="titreblanc">
<div class="texteblancgras">
<td bgcolor="#DCDFE7">

Merci et bonne soirée!
Virginie