Discussion :

[renaud26]

Bonjour à tous,

Et bien tout est dans le titre : à l'aide de file_get_contents(), je parse une page html et je voudrais récupérer le texte contenu dans les 3 premiers paragraphes, c'est à dire entre <p> et </p>.

J'ai bidouillé un truc avec preg_match_all, mais c'est pourri.
Est-ce au moins la bonne fonction ?
Merci de vos lumières.

[Benjamin Delespierre]

Non et tu devrais faire comme suit:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
 
$doc = new DOMDocument;
$doc->load('http://mon.site.com/ma/page');
 
$list = $doc->getElementsByTagName('p');
for ($i = 0; $i < 3; $i ++) {
  echo $list->item($i)->nodeValue;
}

On ne le répétera jamais assez: arrêtez de parser du HTML avec des Regexp !

[renaud26]

Merci ! Je ne connaissais pas cette classe.
Bonne soirée.

[Doc_xhtml]

On ne le répétera jamais assez: arrêtez de parser du HTML avec des Regexp !

Certes,

Mais je bloque sur le simple besoin suivant :

Je veux, si possible en simplexml ou en xpath, connaître le contenu du ième paragraphe d'un div que je ne connais que par son identificateur (je ne connais a priori pas sa place dans le fichier xhtml).

Comment donc je peux sélectionner le paragraphe 3 ? (Pour l'instant, je contourne la difficulté en utilisant une regex.)

<div id="Id_du_div">
xxx<p>Paragraphe 1</p>
xxx<p>Paragraphe 2</p>
xxx<p>Paragraphe 3</p> <----
xxx<p>Paragraphe 4</p>
</div>

Merci d'avance

[Benjamin Delespierre]

Comment donc je peux sélectionner le paragraphe 3 ? (Pour l'instant, je contourne la difficulté en utilisant une regex.)

<div id="Id_du_div">
xxx<p>Paragraphe 1</p>
xxx<p>Paragraphe 2</p>
xxx<p>Paragraphe 3</p> <----
xxx<p>Paragraphe 4</p>
</div>

Merci d'avance

Exactement de la même façon que cité plus haut. Tu réccupère une instance de DOMNodeList avec un XPAth ou DOMDocument::getElementsByTagName et tu peux accéder au node <n> avec DOMNodeList::item.

Merci de lire la doc

[Doc_xhtml]

Merci de ta réponse, Benjamin

Justement, si je pose la question, c'est que j'en ai pas explicitement trouvé la réponse dans la doc et que j'ai passé un temps plus que certain (une bonne partie de ce week-end) à essayer de comprendre pourquoi je récupérais des messages de type « Undefined property » ou «Trying to get property of non-object », alors que je m'inspirais au plus près possible des exemples donnés dans les docs et que j'avais l'impression d'avoir bien compris le principe.
Dans les docs, c'est toujours plus simple...

J'ai donc provisoirement abandonné et ai conservé mes regex.


J'ai cependant essayé de nouveau en me basant sur tes indications :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
 
$doc = new DomDocument();
$doc -> loadHTMLFile($input_file_name);
$essai = $doc -> getElementByID('Main_parameters') -> getElementsByTagName('p') -> item(0) -> nodeValue;

J'obtiens bien le contenu du p. Merci !

Attention : item(0) et non item[0] ; si j'utilise les [] j'obtiens pour la ligne $essai = les deux messages suivants :

Notice: Undefined property: DOMNodeList::$item in
Notice: Trying to get property of non-object in

(Je me mélange un peu les pinceaux entre la syntaxe de xpath et celle de dom.)


Maintenant, je vais (ré)essayer d'écrire la même expression en simplexml, d'une part, et en xpath, d'autre part. Pouvez-vous m'apporter quelques indications ? Merci d'avance

[Benjamin Delespierre]

SimpleXML je pratique peu (je ne l'ai utilisé qu'une fois pour le coupler avec des RecursiveTreeIterator, ce qui est 'achement pratique car les classes DOM ne sont ni itérables ni traversables la plupart du temps).

Pour comprendre la syntaxe des XPath tu peux regarder les Cours XPath

Pour comprends comment utiliser les XPath en PHP, je te renvoie à la doc: http://php.net/manual/en/class.domxpath.php