Parser : Comment transformer du html en dataset ?

**selector** · 21/07/2010, 21h09

Bonjour

j'ai besoin de récupérer les champs Country et Points dans une page style celle la :
http://www.wgc2010.sk/tasks/results/...PW5WGC2010.htm

idéalement je voudrais récupérer un dataset a partir de cette page, pour ensuite le manipuler dans delphi

=> est-ce que vous connaissez un parser qui me permette de faire ca rapidement ?

merci bcp
anthony

**selector** · 22/07/2010, 11h14

je précise que j'ai la main sur le XSL qui genère la page html que j'ai linkée, donc si nécessaire je pourrais ajouter
- un attribut class="country" sur les td de la colonne Country,
- et pareil, un class="points" pour les td de la colonne Points ...

merci pour votre aide !

anthony

**ShaiLeTroll** · 22/07/2010, 11h18

Si tu as un XSL, utilise le pour générer un XML pour le TClientDataSet !
ça serait plus simple non ?

**selector** · 22/07/2010, 11h31

merci pour ta réponse
je vais expliquer un minimum le contexte pour que ce soit plus clair :

comme vous l'avez vu, la page que j'ai linkée est une page de résultats d'un concours de planeur

cette page html est générée automatiquement avec un logiciel de scoring nommé SeeYou, elle présente les points du jour pour chaque pilote.

et les concepteurs de SeeYou laissent la main sur le XSL qui genere la page, afin de permettre aux utilisateurs de pouvoir customiser la page de résultats (ajouter le logo du club, modifier l'ordre des colonnes, des choses comme ca)

et ce XSL est sollicité directement par SeeYou lorsque l'utilisateur utilise la fonction "Enregistrer les résultats du jour au format HTML"

si je changeais le XSL pour générer du XML utilisable ensuite pour constituer mon dataset, alors en contrepartie je n'aurais plus la génération de page de résultats sous sa forme HTML actuelle.

c'est pour cela que je souhaite ajouter l'étape "parsing de la page actuelle de classement par pilote" pour générer une nouvelle page de classement par pays, a partir des nombres de points par pilote contenus ds la page actuelle.

j'espere que ca vous semble pas trop débile comme approche ...

merci pour vos conseils

anthony

**Linkin** · 22/07/2010, 11h43

- Ton tableau html n'est pas cohérent: On y mélange des données qui n'ont rien à voir entre elles. Donc sémantiquement c'est compliqué de séparer les données.

Si tu n'as pas besoin de garder la présentation HTML, la solution de Shai est la meilleure.

Comme tu as accès au XSL (et que tu doives absolument garder une présentation HTML), sépares "l'entête" : (la partie du table avant les th),"le pied" (<td colspan="14">) et le corps en trois entités distinctes chacune étant nommée.

Le mieux sera de faire une page XTHML valide, comme ça tu pourrais facilement parser ton tableau. (voir peut-être utiliser le mampeur XML de Delphi sur ton tableau).

**selector** · 22/07/2010, 11h59

Envoyé par Linkin

Si tu n'as pas besoin de garder la présentation HTML, la solution de Shai est la meilleure.

ben en fait si, j'ai besoin de garder la presentation HTML, d'ou mon casse tete !

Envoyé par Linkin

Comme tu as accès au XSL (et que tu doives absolument garder une présentation HTML), sépares "l'entête" : (la partie du table avant les th),"le pied" (<td colspan="14">) et le corps en trois entités distinctes chacune étant nommée.

a propos de ton conseil de "séparer en 3 entités" : je vois bien les 2 frontières que tu préconise entre ces 3 entités, mais comment je sépare, précisément ?

désolé pour mes question peut etre basiques !

anthony

**Linkin** · 22/07/2010, 12h19

Tu peux séparer en trois tableaux distincts, ça sera le plus simple. Ensuite tu nommes ton tableau (soit avec id, plus pertinent, soit avec class).

Si tu passes page en XHTML, ça te permettra de parser ton tableau plus facilement.

**selector** · 22/07/2010, 13h06

OK, 3 tableaux , j'ai compris

par contre, "passer ma page en XHTML" ca veut dire quoi concretement ?
ca veux dire m'assurer que toutes les préco du XHTML (que je connais pas d'ailleurs) sont respectées ?

merci

anthony

**Linkin** · 22/07/2010, 13h41

Concernant ton document, tu mets l'entête xhtml,

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
 
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<html xmlns="http://www.w3.org/1999/xhtml" xml:lang="fr" >

tu fermes tes balises meta, br et img:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
 
<meta http-equiv="Content-Type" content="text/html; charset=utf-8" />
<br />
<img src="cu-logo16.gif" />

ça devrait suffire

**selector** · 22/07/2010, 13h43

OK merci Linkin, je comprends pourquoi tu es un "membre émérite" !

anthony

**skywaukers** · 23/07/2010, 14h55

bonjour,

et le logiciel que tu utilise ne permet pas d'export des résultats en csv ou en excel par exemple ?
Peut-être utilise-t-il une base de données que tu pourrais accéder directement depuis Delphi ?

@++
Dany

**selector** · 23/07/2010, 15h10

ben non, ni export csv ou xls, ni DB !

en fait, j'ai réfléchi, et je pense que ce que je vais faire, c'est simplement modifier le XLS pour ajouter un nom de class sur les 2 séries de TD qui m'interressent

et apres je vais "parser" le HTML généré, en ne conservant que les TD qui contiennent mes 2 noms de class

du coup ma question devient : existe-t-il un composant intégré a Delphi 2006 qui sache faire ce parsing simple, en me retournant juste le contenu des TD qui contiennent un nom de class donné ?

merci

anthnony

**ShaiLeTroll** · 23/07/2010, 18h20

Avec le TWebBrowser et les Objets OleDocument IHTMLDocument ... tu pourras parcourir ton HTML, ... perso, je parsais le HTML sauvagement, nettement plus rapide ...

**selector** · 23/07/2010, 18h28

OK
je penche aussi un peu pour un petit parsing manuel sauvage, surement plus rapide à coder que que de mettre en branle les classes Delphi ...

**Montor** · 23/07/2010, 21h59

une autre suggestion tu peux utiliser une page php pour télécharger le fichier ainsi développer les opérations suivantes :

Lire le contenu de page cible
Parser le fichier expressions régulières
Envoie une entête xml
Créer un fichier xml compatible à TCientDataset

inconvénient majeur c'est de trouver un hébergeur pour la page php

**selector** · 26/07/2010, 07h55

ah oui effectivement
mais le plus gros probleme c'est que faire ca en PHP ca va me prendre la vie car je n'y connais presque rien !
deja en Delphi je vais bien rencontrer des casses tetes, alors en PHP !
merci pour ta réponse en tout cas
anthony

Parser : Comment transformer du html en dataset ?

Delphi

Discussions similaires

Partager

Partager