Discussion :

[fasfousba]

salut à vous tous,

je sollicite une fois de plus votre aide. voilà, mon travail consiste entre autre à parser les pages HTML. jusque là, tout va bien,j'utilise HTMLParser . J'arrive à extraire le style de la page si c'est une feuille de style interne(introduite avec la balise <style>).
Seulement,mon problème c'est que je voudrais récupérer la feuille de style externe à la page HTML pour pouvoir l'analyser aussi. Le problème c'est que dans la balise link

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

<link rel="stylesheet" type="text/css" href="/style.css" />

parfois on fait face à des chemins relatifs et parfois non. J'ai d'abord pensé à la classe java.net.URI

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
 
   foo://example.com:8042/over/there?name=ferret#nose
   \_/   \______________/\_________/ \_________/ \__/
    |           |            |            |        |
 scheme     authority       path        query   fragment

mais ça n'a pas marché. je n'ai pas d'exception mais rien ne se passe. Je travaille sous apache tomcat.
voilà le code que j'utilise

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
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
 
 
	for(NodeIterator nn=table2.elements();nn.hasMoreNodes();)
	{	
		lTag=(LinkTag)nn.nextNode();
		try
		{URI ui=new URI(lTag.getLink().toString());
		URI ui_clt=new URI(url_pgclient);
 
		String chaine_rel=ui_clt.getScheme()+"://"+ui_clt.getAuthority()+ui_clt.getPath()+"/"+ui;
 
		String verif_extension=chaine_rel.substring(chaine_rel.lastIndexOf('.')+1);
		String nom_fichier=chaine_rel.substring(chaine_rel.lastIndexOf('/')+1);
		if(verif_extension.equalsIgnoreCase("css"))
		{
                 try {
                // Création du fichier :
                FileOutputStream fos =  new FileOutputStream("C:/Program Files/Apache Software Foundation/Tomcat 5.5/webapps/FATMA/CLIENTS/"+log+"/"+nom_fichier);
 
                // Ouverture des flux
                URL url_style=ui_clt.toURL();
                InputStream is=url_style.openStream();
 
                // Lecture par segment de 0.5Mo 
                byte buffer[]=new byte[512*1024];
                int nbLecture;
 
                while( (nbLecture = is.read(buffer)) != -1 ) {
                        fos.write(buffer, 0, nbLecture);
                }
                is.close();
                fos.close(); 
                } 
        catch( java.io.FileNotFoundException f ) 
        { } 
        catch( java.io.IOException e )
         { }  
	}
 
	}
 
		catch(java.net.URISyntaxException use){		}
		}

[fasfousba]

elle est longue l'explication que j'ai faite, ça en rebuterai plus d'un je pense.
pour faire court, quelqu'un ne connaitrait-il pas une manière simple de récupérer la feuille de style externe rattachée à une page HTML. sachant que les liens pointant sur la dite feuille peuvent être des liens relatifs.
Merci d'avance

[fasfousba]

j'ai trouvé la solution
on laisse tomber HTMLParser pour Jericho HTML Parser et dire que ça fait plus de deux mois que je bosse avec le premier parser et qu'il ait vraiment limité comparé à jericho!
bref la solution se trouve sur cette page
je ne l'ai pas encore essayé mais ça m'a l'air pile poil ce que je veux faire.
Merci qui? merci mon ami GOOGLE

[fasfousba]

d'une manière générale, si vous voulez construire l'url absolu à partir d'une url relative en Java il vous suffit d'utiliser la classe java.net.URL;
vous utiliser le constructeur

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

URL url=new URL(URLcontext,specification);

où URLcontext c'est le lien absolu et specification c'est le lien relatif.

j'espère que ça en aidera d'autres.