Récupérer le contenu du <body> d'une page HTML

**lOeil** · 15/08/2009, 14h21

Bonjour,

J'ai un petit soucis de compréhension au sujet de l'une de mes regexp.
Je cherche à parser une page HTML pour récupérer le contenu du <body>

J'ai également vu ce topic qui traite de ce sujet:
http://www.developpez.net/forums/d10...body-page-web/

Tout d'abord, pour réaliser cette opération j'ai créé la regexp ci-dessous:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

$body = preg_replace('`<body[^>]*>(.*)</body>`isU','$1',$page);

mais il a fallu que je fasse la regexp suivante pour obtenir le bon résultat.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

$body = preg_replace('`.*<body[^>]*>(.*)</body>.*</html>`isU','$1',$page);

Cependant, je ne comprends pas pourquoi ma première regexp n'était pas valide

Vous auriez des éléments de réponse ?

**nosferapti** · 15/08/2009, 21h13

la fonction "preg_replace" sert à faire des remplacement à l'aide d'expressions régulières
si tu veux juste récupérer une partie de texte, utilise la fonction http://php.net/preg_match

**lOeil** · 15/08/2009, 22h26

oui c'est tout à fait vrai c'est d'ailleurs ce que j'ai fait entre temps, par contre ca ne m'indique toujours pas pourquoi je récupère même le contenu après le </body> avec ma 1ere regexp alors que j'utilise bien l'option U "non gourmande"

**sabotage** · 15/08/2009, 22h40

Dans ta premiere expression tu demandes de remplacer "<body>contenu<body>" par "contenu".

S'il y a des choses en dehors de ce schéma, ils ne sont pas remplacés.

"non-greedy" cela signifie que le schéma s'applique a la plus petite chaine correspondant.
"greedy" signifie au contraire qu'il va chercher la plus grande chaine correspondant.

Par exemple si je cherche u(.*)u dans u chaine1 u chaine2 u
en mode greedy j'aurais "chaine1 u chaine2"
en mode non-greedy j'aurais "chaine1" et "chaine2"

**lOeil** · 15/08/2009, 22h49

je comprends mieux

pour ceux que ca interresse voici le code utilisé

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
 
preg_match('`<body[^>]*>(.*)</body[^>]*>`isU', $page, $matches);
$body = $matches[1];

merci à vous 2

Récupérer le contenu du <body> d'une page HTML [RegEx]

Langage PHP

Discussions similaires

Partager

Partager