récupérer du contenu de site externe

maxence64 · 22/06/2011, 11h45

Hello,

Je ne sais pas si vous connaissez evernote, mais l'extension chrome permet de récupérer une page web OU (et c'est le plus intéressant), uniquement l'article !
C'est vraiment impressionnant.

Est-ce qu'il serait possible avec php de récupérer uniquement l'article d'un blog ?

J'ai l'impression qu'il faudrait se servir du div class="blabla, blibli, hentry, blabla"
Mais comment faire ça en php ? quelle est la syntaxe ? sachant qu'il faudrait récupérer du début à la fin de Ce div (qui a hentry comme class), qui doit comporter bien sûr d'autres div...

j'aimerais vraiment vos lumières pour m'aider, car je souhaite le faire sur mon site.

Merci d'avance !

stealth35 · 22/06/2011, 11h51

utilise DOMDocument pour parser du HTML

Shikiryu · 22/06/2011, 12h08

+1
Par contre, si tu dois parser un site qui sépare ses class avec des virgules, fuit.

maxence64 · 22/06/2011, 12h30

Merci pour l'info

J'ai donc fait 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
 
<?php
$remote = file_get_contents('http://www.presse-citron.net/prodcast-le-reseau-social-oriente-produits');
 
$doc = new DomDocument();
$file = @$doc->loadHTML($remote);  
$cells = $doc->getElementsByTagName('td');
 
foreach($cells AS $div)
{
    if($div->getAttribute('class') == 'hentry')
    {
 
        echo $div->nodeValue . '<br />';
    }
}
?>

Mais ça ne m'affiche rien

stealth35 · 22/06/2011, 13h18

pas besoin de file_get_contents, utilise direct loadHTMLFile, n'utilise pas @ pour supprimer les erreurs, utilise libxml_use_internal_errors

sinon pourquoi cherché les <td> sachant qu'en a pas dans la page ?

pourquoi tu n'utilises pas le RSS du site ?

maxence64 · 22/06/2011, 13h42

ok voici mon nouveau 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
 
<?php
$remote = file_get_contents('http://www.presse-citron.net/prodcast-le-reseau-social-oriente-produits');
$remote = utf8_encode($remote);
$doc = new DomDocument();
$file = $doc->loadHTMLfile($remote);  
$divs = $doc->getElementsByTagName('div');
 
foreach($divs AS $div)
{
    if($div->getAttribute('class') == 'posts')
    {
 
        echo $div->nodeValue . '<br />';
    }
}
?>

mais ça m'affiche ceci :

Citation:

Warning: DOMDocument::loadHTMLFile() [domdocument.loadhtmlfile]: I/O warning : failed to load external entity "<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.d in /home/sochatty/www/test.php on line 25

Je n'utilise pas rss car pour la plupart des sites web je n'aurais que le début du texte.

J'aimerais que ce code marche et je me pose 2 nouvelles questions :
1 - est-ce autorisé de parser le contenue d'un autre site sur son site, sinon ne vaut-il pas mieux un code php qui affiche la page web en question SANS tout autre balise que class = "hentry"
2 - y a-t-il possibilité de faire un if site=presse-citron, afficher le code, else ne pas afficher.

Merci d'avance
notez que je copie/colle des codes trouvés sur le web car perso je n'y entends pas beaucoup en php

stealth35 · 22/06/2011, 13h48

lit bien la doc : http://php.net/manual/fr/domdocument.loadhtmlfile.php

maxence64 · 22/06/2011, 14h09

j'ai beau lire la doc, je ne vois pas l'erreur dans mon code..;
C'est pour ça que je demande votre aide

stealth35 · 22/06/2011, 14h10

Citation:

Envoyé par maxence64

j'ai beau lire la doc, je ne vois pas l'erreur dans mon code..;
C'est pour ça que je demande votre aide

je ne vois pas ce que tu ne comprends pas quand je dis :

Citation:

pas besoin de file_get_contents

Shikiryu · 22/06/2011, 14h34

ou sinon utiliser loadHTML() (qui prend le contenu du HTML pris dans file_get_content()) au lieu de loadHTMLfile() (qui prend le chemin vers le html)

Tout ceci est marqué dans le manuel...

Néanmoins, pourquoi passer par file_get_contents() et loadHTML() alors que loadHTMLfile() fait directement les 2 comme il faut ?

22/06/2011, 11h45	#1
maxence64 Invité régulier Inscription : mai 2011 Messages : 49 Détails du profil Informations forums : Inscription : mai 2011 Messages : 49 Points : 7 Points : 7	récupérer du contenu de site externe Hello, Je ne sais pas si vous connaissez evernote, mais l'extension chrome permet de récupérer une page web OU (et c'est le plus intéressant), uniquement l'article ! C'est vraiment impressionnant. Est-ce qu'il serait possible avec php de récupérer uniquement l'article d'un blog ? J'ai l'impression qu'il faudrait se servir du div class="blabla, blibli, hentry, blabla" Mais comment faire ça en php ? quelle est la syntaxe ? sachant qu'il faudrait récupérer du début à la fin de Ce div (qui a hentry comme class), qui doit comporter bien sûr d'autres div... j'aimerais vraiment vos lumières pour m'aider, car je souhaite le faire sur mon site. Merci d'avance !
	00

22/06/2011, 11h51	#2
stealth35 Modérateur Inscription : septembre 2010 Messages : 7 103 Détails du profil Informations forums : Inscription : septembre 2010 Messages : 7 103 Points : 8 456 Points : 8 456	utilise DOMDocument pour parser du HTML __________________ http://blog.stealth35.com/
	20

22/06/2011, 12h08	#3
Shikiryu Membre chevronné Développeur Web Inscription : mars 2011 Messages : 399 Détails du profil Informations personnelles : Sexe : Localisation : France, Paris (Île de France) Informations professionnelles : Activité : Développeur Web Secteur : Finance Informations forums : Inscription : mars 2011 Messages : 399 Points : 662 Points : 662	+1 Par contre, si tu dois parser un site qui sépare ses class avec des virgules, fuit. __________________ Membre de StackOverflow, je suis un fervant utilisateur de PHP et de jQuery. Après des études de graphisme, j'ai décidé de mélanger développement web et web design. J'ai ainsi donc créé mon site web mais aussi plusieurs projets personnels. Dans les plus aboutis, vous pourrez trouver dans mon labo et dans mon devblog, un raccourcisseur d'url, un bookmarklet pour envoyer l'url de la page actuelle vers votre email pour lire plus tard ou sauvegarder, mon générateur de template HTML5, etc...
	10

22/06/2011, 13h18	#5
stealth35 Modérateur Inscription : septembre 2010 Messages : 7 103 Détails du profil Informations forums : Inscription : septembre 2010 Messages : 7 103 Points : 8 456 Points : 8 456	pas besoin de file_get_contents, utilise direct loadHTMLFile, n'utilise pas @ pour supprimer les erreurs, utilise libxml_use_internal_errors sinon pourquoi cherché les <td> sachant qu'en a pas dans la page ? pourquoi tu n'utilises pas le RSS du site ? __________________ http://blog.stealth35.com/
	10

22/06/2011, 13h48	#7
stealth35 Modérateur Inscription : septembre 2010 Messages : 7 103 Détails du profil Informations forums : Inscription : septembre 2010 Messages : 7 103 Points : 8 456 Points : 8 456	lit bien la doc : http://php.net/manual/fr/domdocument.loadhtmlfile.php __________________ http://blog.stealth35.com/
	00

22/06/2011, 14h09	#8
maxence64 Invité régulier Inscription : mai 2011 Messages : 49 Détails du profil Informations forums : Inscription : mai 2011 Messages : 49 Points : 7 Points : 7	j'ai beau lire la doc, je ne vois pas l'erreur dans mon code..; C'est pour ça que je demande votre aide
	00

22/06/2011, 14h34	#10
Shikiryu Membre chevronné Développeur Web Inscription : mars 2011 Messages : 399 Détails du profil Informations personnelles : Sexe : Localisation : France, Paris (Île de France) Informations professionnelles : Activité : Développeur Web Secteur : Finance Informations forums : Inscription : mars 2011 Messages : 399 Points : 662 Points : 662	ou sinon utiliser loadHTML() (qui prend le contenu du HTML pris dans file_get_content()) au lieu de loadHTMLfile() (qui prend le chemin vers le html) Tout ceci est marqué dans le manuel... Néanmoins, pourquoi passer par file_get_contents() et loadHTML() alors que loadHTMLfile() fait directement les 2 comme il faut ? __________________ Membre de StackOverflow, je suis un fervant utilisateur de PHP et de jQuery. Après des études de graphisme, j'ai décidé de mélanger développement web et web design. J'ai ainsi donc créé mon site web mais aussi plusieurs projets personnels. Dans les plus aboutis, vous pourrez trouver dans mon labo et dans mon devblog, un raccourcisseur d'url, un bookmarklet pour envoyer l'url de la page actuelle vers votre email pour lire plus tard ou sauvegarder, mon générateur de template HTML5, etc...
	00

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