Lecture du code html entre deux balises

**deubelte** · 08/05/2012, 14h56

Bonjour
Quelle est la meilleure facon de lire du code html entre deux balises?
J'ai trouvé cette solution:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

preg_match('/<body>(.*?)<\/body>/s', $data, $matches);

mais selon vous, est-ce une bonne idée, et est-ce la meilleure?
merci

**rawsrc** · 08/05/2012, 15h06

Bonjour,

Pour parser du HTML cest DOMDocument
Tout autre idée est une hérésie.

stealth35 sort de ce corps

**deubelte** · 08/05/2012, 16h04

ok merci
mais comment puis-je convertir du html en xml?
Je veux par exemple récupérer le texte qui se trouve dans la balise
<p align="justify"> de ce lien html:
view-source:http://www.lygeros.org/5715-gr.html

**rawsrc** · 08/05/2012, 19h17

Ce que tu souhaites faire relève du data-mining et il vaut mieux avoir l'autorisation du site ciblé.
Ensuite le HTML est déjà du XML.
Pour la sélection du paragraphe voulu c'est du DOMXPath.
Comme ça :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
 
$data = file_get_contents('http://www.lygeros.org/5715-gr.html');
if ($data === false) {
   exit;
}
$dom = new DOMDocument();
$dom->loadHTML($data);
$xpath = new DOMXPath($dom);
$nodes = $xpath->query('p[@align="justify"]');
foreach($nodes as $node) {
   $txt = $node->textContent;
}

Enfin un truc de ce genre.

**deubelte** · 08/05/2012, 19h51

Ce que tu souhaites faire relève du data-mining et il vaut mieux avoir l'autorisation du site ciblé.

C'est mon propre site.

Pour la sélection du paragraphe voulu c'est du DOMXPath.

merci je regarde

**deubelte** · 08/05/2012, 20h09

en fait, voici ce que je veux faire.
J'ai des fichiers sur un site web qui résultent d'une mauvaise utilisation du php. Il se présentent sous cette forme:
Les balises hauti permettent d'injecter le code html.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
<? include ('hauti.inc'); ?>
Chant d’honneur
<? include ('hauti2.inc'); ?>
Chant d’honneur
<? include ('hauti3.inc'); ?>
2013
<? include ('hauti4.inc'); ?>
Nous écoutions le chant d’antan<br/>
comme si c’était une prière.<br/>
Nous aimions ces sonorités<br/>
.........
 
<? include ('hauti5.inc'); ?>

Ce qui donne ceci:
http://www.lygeros.org/2013-fr.php

Je voudrais paser les fichiers pour récupérer le texte qui se trouvent entre les balises <?...?>. Mais je ne vois pas trop comment faire. Utiliser des regex?
J'ai voulu faire ceci:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

 $texte=preg_split("/[\s]*[<?*?>][\s]*/", $texte);

Qu'en pensez vous? Je pense qu'il risque d'y avoir un problème s'il y a des points d'interrogation dans le texte.
De plus j'aimerais aussi récupérer le nom des balises (hauti5, hauti1...) pour savoir à quoi j'ai affaire
Merci

**Halex78** · 16/05/2012, 13h55

Hello, déjà pour matcher du contenu entre deux balises, il serait bon d'utiliser l'option "U" si plusieurs balises existent dans ton texte.
Il faut échapper les ?.
Ensuite ta regex ne me semble pas très adaptée à ce que tu veux faire. Moi j'aurais plutôt utilisé ça :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

preg_match_all('#<\?(.*)\?>#Us', $texte,$TabResultats);

Et tu récupères tes résultats dans le tableau $TabResultats[1]

De quelles balises parles-tu ? (hauti1,...)

Lecture du code html entre deux balises

Langage PHP

Discussions similaires

Partager

Partager