Récupération de contenu sur un site externe

[vince62fr]

Bonjour à tous,

J'essaie de récupérer du contenu qui se trouve sur un site externe.

J'utilise une fonction curl pour récupérer le contenu entre 2 balises précises.

Voici mon code :

Code :

1
2
3
4
5
6
7
8
9
10
 
$curl = curl_init("http://www.exemple.com/page.html");
curl_setopt($curl, CURLOPT_RETURNTRANSFER, true);
curl_setopt($curl, CURLOPT_FOLLOWLOCATION, true);
curl_setopt($curl, CURLOPT_HEADER, false);
$page = curl_exec($curl);
$error = curl_errno($curl);
curl_close($curl);
preg_match('`<div id="text">(.*?)</div>`Uis', $page, $match);
echo $match[0];

Le problème est que cette fonction me renvoie tout ce qui se trouve entre les balises dès la première qu'il trouve.
Or, comment faire pour récupérer la deuxième balise qu'il rencontrerait ?

Ex :
J'ai ces balises :

Code :

1
2
3
4
 
<div id="text">Mon texte 1</div>
<div id="text">Mon texte 2</div>
<div id="text">Mon texte 3</div>

J'aimerai pouvoir récupérer "Mon texte 2".

Comment faire ?

Merci !

[stealth35]

pour parser du HTML c'est avec DOMDocument

[vorace]

Envoyé par stealth35

pour parser du HTML c'est avec DOMDocument

sans vouloir contredire stealth35 sur ca méthode, juste pour info la fonction c'est preg_match_all() et tu récupères un tableau...

[Benjamin Delespierre]

sans vouloir présumer de ce que va dire Stealth35, les regexp pour trouver des éléments dans des flux XML c'est mal.

Déjà, avec des id multiples c'est mal barré

Pour trouver tes éléments tu peux utiliser ce xpath:

Code :

1
2
 
div[@id='text']

De cette façon:

Code :

1
2
3
4
5
6
7
8
9
10
 
$dom = new DOMDocument;
$dom->loadXML($content);
 
$xpath = new DOMXPath($dom);
$query = "div[@id='text']";
$nodes = $xpath->query($query);
foreach ($nodes as $node) {
  echo "Value: " . $node->nodeValue;
}

Enjoy

[vorace]

mais honnêtement y a quoi comme code derrière les méthodes la ?
y aurait pas une regexp ou deux qui trainerait par ci ou par la ?

[vince62fr]

Envoyé par Benjamin Delespierre

sans vouloir présumer de ce que va dire Stealth35, les regexp pour trouver des éléments dans des flux XML c'est mal.

Déjà, avec des id multiples c'est mal barré

Pour trouver tes éléments tu peux utiliser ce xpath:

Code :

De cette façon:

Code :

Enjoy

C'est pour parser du xml ça aussi non ?
Pour du html, ça fonctionne quand même ?

[stealth35]

oui c'est plus loadHTMLFile qu'il faut faire (donc pas besoin de cURL non plus)

[Benjamin Delespierre]

mais honnêtement y a quoi comme code derrière les méthodes la ?

Les regexp sont utiles quand tu veux trouver des entités dans du plain-text. Dans le cadre d'un arbre XML, le DOM te fournit une structure d'accès au donnés plus optimale et plus puissante. Je n'ai jamais décompilé l'extension PHP qui y correspond donc je ne peux pas l'affirmer mais logiquement, on ne doit pas avoir de regexp là dedans.
De plus, pour avoir implémenté les deux solutions pour faire des moteurs de templates, l'un avec regexp et l'autre avec DOM, le DOM va à la vitesse de la lumière comparé aux regexp.

[stealth35]

derrière c'est comme du SAX

[vince62fr]

Ca donne un peu près ça ?

Code :

1
2
3
4
5
6
7
8
9
10
11
 
$content = "http://www.mapage.com/test.html";
$dom = new DOMDocument;
$dom->loadHTMLFile($content);
 
$xpath = new DOMXPath($dom);
$query = "div[@id='text']";
$nodes = $xpath->query($query);
foreach ($nodes as $node) {
  echo "Value: " . $node->nodeValue;
}

J'ai une petite () erreur :

Warning: DOMDocument::loadHTMLFile() [domdocument.loadhtmlfile]: htmlParseEntityRef: expecting ';' in http://www.mapage.com/test.html, line: 220 in /web/www/fonction.php on line 28

[stealth35]

oui la page ne doit pas etre valide, mais pas de soucis comme c'est du en HTML, fais un libxml_use_internal_errors avant loadHTMLFile et libxml_clear_errors après