[DOM] extraire des données d'une page xhtml [Résolu]

Louis-Guillaume Morand · 23/05/2007, 21h17

Bonjour,

Il existe plein de tutos sur le net pour lire un fichier XML mais ca ne fait jamais ce que je veux, du moins d'une façon absolument pas optimisée et souvent en connaissant la structure du fichier XML.
Ici, j'ai une page XHTML avec une balise speciale disons "toto" qui contient plein d'elements enfants. Mais mon fichier XHTML contient surtout bcp bcp d'informations dont je me contrefiche et dont je ne connais pas la structure.

J'aimerai extraire les données d'une facon plus ou moins equivalente à ce que je ferais avec du JS à savoir

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
node = document.getElementsByTagName('toto')[0];
foreach (node.childNodes)
{
 blabla
}

la partie toto ressemble à ca

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
<toto>
  <tata name="narf" type="pwet" />
  <tata name="nurf" type="pwout" />
</toto>

c'est donc une serie d'attributs qui m'interessent. Quelle serait la methode la plus simple et optimisée en meme temps pour faire ce que je veux. je ne demande pas un code tout fait mais une piste.

merci d'avance.

julp · 23/05/2007, 22h39

Tu as la même chose pour PHP :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
<?php
$dom = DomDocument::load('lgm.xml'); // Voir loadHTML(File)
$node = $dom->getElementsByTagName('toto')->item(0);
foreach ($node->childNodes as $n) {
    if ($n->nodeType == XML_ELEMENT_NODE) {
        printf('%s : %s<br/>', $n->getAttribute('type'), $n->getAttribute('name'));
    }
}
?>

Mais ne serait-ce pas plus simple avec SimpleXML ?

Voir avec Expat si les performances sont recherchées et le fichier volumineux (parser de type SAX).

Louis-Guillaume Morand · 23/05/2007, 22h49

"le peu que tu as donné" manque de bol pour toi, j'ai eu le temps de le voir

Désolé, je pensais que ca suffisait et surtout tu as répondu à ma question à savoir getElementsByTagName() existe en php

ca parait bête mais j'ai jamais eu à coder du DOM coté php donc je n'avais pas connaissance de cette fonction.

par contre je connais sax, je supporte pas son fonctionnement et mon fichier contiendra bcp de data inutiles mais fera rarement plus de 3ko.

Quant à SimpleXML. c'est quoi? ^^
je connais pas mais à première lecture, ce n'est pas plus simple mais pas plus compliqué et p-e plus optimisé. je vais creuser ca. merci julp

julp · 23/05/2007, 23h09

SimpleXML pour lire/parcourir un document XML ça devient du gâteau (c'est du DOM en coulisse). SimpleXML et Expat ne seront pas vraiment adaptés pour lire des documents HTML alors que l'extension DOM fournit, lui, des méthodes spécifiques (j'avais oublié cette partie de l'ennoncé lors de mon edit). Pour des fichiers de 3 Ko, tu peux utiliser sans problème DOM ou SimpleXML

En bonus l'équivalent avec SimpleXML pour te montrer:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
$sxml = simplexml_load_file('lgm.xml');
foreach ($sxml->toto[0]->tata as $tata) {
    printf('%s : %s<br/>', utf8_decode($tata['type']), utf8_decode($tata['name']));
}

(Ne serais-tu pas en mode furtif ?)

Louis-Guillaume Morand · 05/06/2007, 21h38

bon en fait j'ai encore un petit soucis

comment puis-je récupérer l'innerHTML via cette méthode?

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

$body = $dom->getElementsByTagName('body')->item(0);

sachant que body =

Citation:

<body>
<table>
<tr>
<td><input type="checkbox" name="coffee" value="cream"></td>
<td>ma tache</td>
<td><img src="_images/edit.gif" /></td>
<td><img src="_images/deleteLink.gif" /></td>
</tr>
<tr>
<td><input type="checkbox" name="coffee" value="cream"></td>
<td>ma tache</td>
<td><img src="_images/edit.gif" /></td>
<td><img src="_images/deleteLink.gif" /></td>
</tr>
</table>
</body>

j'aurais donc besoin de recuperer tous les noeuds enfants de body en tant qu'une chaine de caractere. (et ce, le plus simplement possible, pas envie de tout parser, noeud par noeud)

est-ce possible?

julp · 05/06/2007, 23h58

Je ne vois que la méthode saveXML de la classe DomDocument :

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
18
19
20
21
22
$html = <<< HTML
<body>
<table>
<tr>
<td><input type="checkbox" name="coffee" value="cream"></td>
<td>ma tache</td>
<td><img src="_images/edit.gif" /></td>
<td><img src="_images/deleteLink.gif" /></td>
</tr>
<tr>
<td><input type="checkbox" name="coffee" value="cream"></td>
<td>ma tache</td>
<td><img src="_images/edit.gif" /></td>
<td><img src="_images/deleteLink.gif" /></td>
</tr>
</table>
</body>
HTML;
 
$dom = DomDocument::loadHTML($html);
$body = $dom->getElementsByTagName('body')->item(0);
echo $dom->saveXML($body);

Louis-Guillaume Morand · 06/06/2007, 00h36

ca fait tout pareil mais en plus propre que mon

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

$body = substr($theData, strpos($theData, "<body>"), strpos($theData, "</body>") - strpos($theData, "<body>"));

on se moque pas! :p

23/05/2007, 22h49	#3
Louis-Guillaume Morand Rédacteur Louis-Guillaume MORAND Consultant @ Microsoft Inscription : mars 2003 Messages : 10 713 Détails du profil Informations personnelles : Nom : Louis-Guillaume MORAND Localisation : France, Hauts de Seine (Île de France) Informations professionnelles : Activité : Consultant @ Microsoft Secteur : Conseil Informations forums : Inscription : mars 2003 Messages : 10 713 Points : 15 946 Points : 15 946	"le peu que tu as donné" manque de bol pour toi, j'ai eu le temps de le voir Désolé, je pensais que ca suffisait et surtout tu as répondu à ma question à savoir getElementsByTagName() existe en php ca parait bête mais j'ai jamais eu à coder du DOM coté php donc je n'avais pas connaissance de cette fonction. par contre je connais sax, je supporte pas son fonctionnement et mon fichier contiendra bcp de data inutiles mais fera rarement plus de 3ko. Quant à SimpleXML. c'est quoi? ^^ je connais pas mais à première lecture, ce n'est pas plus simple mais pas plus compliqué et p-e plus optimisé. je vais creuser ca. merci julp __________________ moi c'est Louis-Guillaume, ni Louis, ni Guillaume mais Louis-Guillaume et je n'aide pas ceux qui écorchent mon nom
	00

06/06/2007, 00h36	#7
Louis-Guillaume Morand Rédacteur Louis-Guillaume MORAND Consultant @ Microsoft Inscription : mars 2003 Messages : 10 713 Détails du profil Informations personnelles : Nom : Louis-Guillaume MORAND Localisation : France, Hauts de Seine (Île de France) Informations professionnelles : Activité : Consultant @ Microsoft Secteur : Conseil Informations forums : Inscription : mars 2003 Messages : 10 713 Points : 15 946 Points : 15 946	ca fait tout pareil mais en plus propre que mon Code : Sélectionner tout - Visualiser dans une fenêtre à part $body = substr($theData, strpos($theData, "<body>"), strpos($theData, "</body>") - strpos($theData, "<body>")); on se moque pas! :p __________________ moi c'est Louis-Guillaume, ni Louis, ni Guillaume mais Louis-Guillaume et je n'aide pas ceux qui écorchent mon nom
	00

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