[PHP 5.0] Comment lire le code source(html) d'une page et le stocké dans une string

unix27 · 30/12/2010, 12h12

Bonjour, je souhaite créer une fonction qui prend comme paramétre l'url d'une page html(toto.htm) et qui stock le code source <html>...</html> dans une string
Par exemple j'ai la page html(toto.htm) suivante:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
<html>
<title>...</title>
<head>...</head>
<body>hello wold</body>
</html>

Le résultat voulu comme output est la chaine hello wold

j'ai besoin dans un premier temps de stoker tout le code html dans une string ensuite utilisé une fonction qui afficher le texte d'élimiter par <body></body>
Merci

Madfrix · 30/12/2010, 12h24

Bonjour,

regarde ici

unix27 · 30/12/2010, 12h26

Merci je regarde cela et je fait un retour

jonoz · 05/01/2011, 23h09

Pour lire la source de la page : curl.

Pour ne conserver que le body : n'importe quel outil qui sait traiter du xml (par exemple : SimpleXml) ou une expression régulière.

stealth35 · 06/01/2011, 00h49

Citation:

Envoyé par jonoz

Pour lire la source de la page : curl.

Pour ne conserver que le body : n'importe quel outil qui sait traiter du xml (par exemple : SimpleXml) ou une expression régulière.

pourquoi curl ?
pourquoi SimpleXML alors que c'est du HTML ?

Eric2a · 06/01/2011, 02h11

Salut,

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
$html=file_get_contents('http://www.example.com/');
if(preg_match('%.*?<html[^>]*>.*?<head>.*?<title>.*?</title>.*?</head>.*?<body[^>]*>(.*?)</body>.*?</html>%si',$html,$m))
	$body=$m[1];
 else
	$body='';

jonoz · 06/01/2011, 09h06

Citation:

Envoyé par stealth35

pourquoi curl ?
pourquoi SimpleXML alors que c'est du HTML ?

Pourquoi Curl ? Parce qu'en en moyenne 40% plus rapide, je vous invite à faire le test. De plus, curl offre des fonctionnalités supplémentaires intéressantes (ex: peut passer par un proxy).

XHTML étant du xml, la façon correcte de le traiter est d'utiliser un outil qui permet de manipuler le DOM. S'il s'agit de html 4, effectivement cette méthode est plus délicate mais tout dépend de la structure du document.

Maintenant, l'expression régulière donnée par Eric2a revient au même si l'on veut juste récupérer le contenu comme chaîne de texte (c'est même un peu plus simple) sans faire de traitement lié à la hiérarchie du document.

Ayant eu à travailler sur des problématiques d'extraction d'éléments dom à partir de pages distantes, j'avais utilisé curl + SimpleXML, ça faisait très bien l'affaire.

stealth35 · 06/01/2011, 10h26

Citation:

Envoyé par jonoz

Pourquoi Curl ? Parce qu'en en moyenne 40% plus rapide, je vous invite à faire le test. De plus, curl offre des fonctionnalités supplémentaires intéressantes (ex: peut passer par un proxy).

le gain est minime par rapport a un wrapper classique, seul le temps de réponse du serveur distant est importante, et ceux qui non pas curl ?
pour le proxy tu peux aussi le faire avec le wrapper classique,
http://www.php.net/manual/en/context.http.php

Citation:

Envoyé par jonoz

XHTML étant du xml, la façon correcte de le traiter est d'utiliser un outil qui permet de manipuler le DOM. S'il s'agit de html 4, effectivement cette méthode est plus délicate mais tout dépend de la structure du document.

attention HTML et XML c'est 2 choses différentes, le DOM étant leur parent, avec SimpleXML tu peux lire du XML et du XHTML, avec DOMDocument::loadHTML(File) du XHTML et du HTML

C'est toujours plus simple d'utiliser les outils adaptés

Lui en plus veux un système de template non ?

jonoz · 06/01/2011, 10h59

Citation:

Envoyé par stealth35

le gain est minime par rapport a un wrapper classique, seul le temps de réponse du serveur distant est importante, et ceux qui non pas curl ?
pour le proxy tu peux aussi le faire avec le wrapper classique,
http://www.php.net/manual/en/context.http.php

Il me semble que celà fonctionne effectivement si le proxy ne requiert pas d'authentification.

Pour les perfs, 40% c'est non-négligeable quand le volume est conséquent.

Citation:

Envoyé par stealth35

attention HTML et XML c'est 2 choses différentes, le DOM étant leur parent, avec SimpleXML tu peux lire du XML et du XHTML, avec DOMDocument::loadHTML(File) du XHTML et du HTML

C'est toujours plus simple d'utiliser les outils adaptés

Lui en plus veux un système de template non ?

Tout à fait!

Pour le système de template, je ne vois pas vraiment ce que vous voulez dire.

stealth35 · 06/01/2011, 11h06

il veux pas récupérer Hello Word il veux écrire Hello Word par rapport a un fichier de template

template.html :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
<html>
<title>...</title>
<head>...</head>
<body></body>
</html>

ensuite la fonction

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
echo lafonction('Hello Word', 'template.html');
 
/*
<html>
<title>...</title>
<head>...</head>
<body>Hello Word</body>
</html>
*/

unix27 · 29/05/2011, 02h23

Citation:

Envoyé par stealth35

il veux pas récupérer Hello Word il veux écrire Hello Word par rapport a un fichier de template

template.html :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
<html>
<title>...</title>
<head>...</head>
<body></body>
</html>

ensuite la fonction

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
echo lafonction('Hello Word', 'template.html');
 
/*
<html>
<title>...</title>
<head>...</head>
<body>Hello Word</body>
</html>
*/

en fait je souhaite récupéré hello wold

en +

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
<?php
$homepage = file_get_contents('http://www.test.html');
echo $homepage;
?>

n'affiche pas le code html

Shikiryu · 29/05/2011, 11h55

1- Comme il est dit : "CURL, c'est bien quand y a du volume" mais sinon...
2- simpleXML, c'est bien pour le XML et XHTML (seulement s'il est bien codé, sinon, c'est la m****. Et perso, je ne fais pas confiance au HTML des autres

)
3-

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
<?php
$homepage = file_get_contents('http://www.test.html');
echo $homepage;
?>

Normal, là ton serveur envoi le code HTML et sera interprété comme tel par le navigateur (et donc parsé et affiché)...

Si tu veux afficher le code source directement, soit tu modifies le header, soit tu entoures ce que tu "echo" avec <pre>, <code> ou <xmp>

30/12/2010, 12h26	#3
unix27 Membre du Club Inscription : septembre 2003 Messages : 281 Détails du profil Informations personnelles : Âge : 30 Informations forums : Inscription : septembre 2003 Messages : 281 Points : 62 Points : 62	Merci je regarde cela et je fait un retour __________________
	00

30/12/2010, 12h24	#2
Madfrix Membre Expert Inscription : juin 2007 Messages : 2 278 Détails du profil Informations personnelles : Localisation : France, Gironde (Aquitaine) Informations forums : Inscription : juin 2007 Messages : 2 278 Points : 2 324 Points : 2 324	Bonjour, regarde ici
	00

05/01/2011, 23h09	#4
jonoz Membre régulier Inscription : juillet 2008 Messages : 35 Détails du profil Informations forums : Inscription : juillet 2008 Messages : 35 Points : 76 Points : 76	Pour lire la source de la page : curl. Pour ne conserver que le body : n'importe quel outil qui sait traiter du xml (par exemple : SimpleXml) ou une expression régulière.
	00

Outils de la discussion
Afficher une version imprimable Envoyer un lien vers cette page par email