Parseur HTML qui ne parcourt pas tous les enfants ?

**marc003** · 01/03/2011, 01h02

Bonjour,

j'essaye de parser un fichier HTML, le problème c'est que je n'arrive pas à voir tous les enfants.

Voici la source :

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
	QFile file(fileName);
 
	// Ouverture du fichier en lecture seule et en mode texte
	file.open(QFile::ReadOnly | QFile::Text);
 
	QDomDocument web;
	// Ajoute le contenu du fichier XML dans un QDomDocument et dit au QDomDocument de ne pas tenir compte des namespaces
	web.setContent(&file, false);
 
	// Ici, racine pointe sur l'élément <root> de notre document
	QDomElement element = web.documentElement();
 
 
	qDebug()<<"Nombre d'enfant "<<element.childNodes().length();
 
	QDomNode node=element.firstChild();
	qDebug()<< node.toElement().tagName();
 
	qDebug()<< "Nombre sous enfant "<<node.childNodes().length();
 
	for(unsigned int i=0;i<node.childNodes().length();i++)
		qDebug()<<node.childNodes().item(i).toElement().tagName();

et voici le fichier HTML sur lequel je fais mes tests

<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN" "http://www.w3.org/TR/html4/loose.dtd">

<html>
<head><link rel="stylesheet" href="../5/v15.css" type="text/css" />
<meta http-equiv="Content-Language" content="fr" />
<meta name="robots" content="index, follow" />
<script src="http://.....jquery.js" type="text/javascript"></script>
<script src="http://.....jqtools5.js" type="text/javascript"></script>
<meta http-equiv=refresh content="240">
<meta name="description" content=".......................................................">
<meta name="keywords" content="...........................................................">
<title>
C...............................
</title></head>
<body style="margin:0px; border:0px; background: #ccc url(http://www.......................png) repeat-y 50% 0;">
<form name="aspnetForm" method="post" action="display.aspx?s=DGp" id="aspnetForm">
<div>
<input type="hidden" name="__EVENTTARGET" id="__EVENTTARGET" value="" />
<input type="hidden" name="__EVENTARGUMENT" id="__EVENTARGUMENT" value="" />
<input type="hidden" name="__LASTFOCUS" id="__LASTFOCUS" value="" />
<input type="hidden" name="__VIEWSTATE" id="__VIEWSTATE" value="" />
</div>

Lorsque je lance le programme, voici ce qu'il me sort :

Nombre d'enfant 1
"head"
Nombre sous enfant 5
"link"
"meta"
"meta"
"script"
"script"

Merci pour vos réponses.

**yan** · 01/03/2011, 09h12

SAlut.
Html != xml. Donc ca ne marche pas toujours.
Soit il te faut convertir ton html en un html lisible comme un xml (regarde tidy html) soit tu utilise
http://qt.developpez.com/doc/latest/qwebelement/

**bobti89** · 01/03/2011, 09h14

Le résultat semble normal, même s'il peut paraitre incomplet.

Le problème réside essentiellement sur le fait que ton fichier n'est pas du xml valide (balises non fermées (<html>, <body>, <form>...). Si tu remarques bien les meta fermées (avec /> à la fin) sont bien lues alors que les autres...

**marc003** · 01/03/2011, 09h35

Merci pour vos réponses.

Effectivement, je n'avais pas vue QWebElement, a trop être dans le projet on fini par oublier l'essentiel.

Donc je vais suivre cette direction.

A+

PS :

@Yan : Oui, je sais que HTML est différent de XML, mais en cherchant sur la toile, j'ai vue des sources qui utilisaient cette méthode. Mais il semble que cela ne fonctionne pas toujours.

@bobti89 : Ah, je n'avais pas remarqué le "/>".

**marc003** · 01/03/2011, 12h00

Le problème est résolu avec qwebelement.

Merci.

A+

Parseur HTML qui ne parcourt pas tous les enfants ?

Qt

Vue hybride

Discussions similaires

Partager

Partager