extraire une partie d'un site web

**jolona** · 11/10/2011, 13h54

bonjour,

je souhaite récupérer une partie d'un site web, voir fichier ""matchBETA.htm dans le .RAR""

j'aimerais récupérer uniquement les deux tableaux de score...

j'aimerais avoir des conseils pour la réalisation : là, je récupère l'intégralité du code source avec un "HttpWebRequest" ==>

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

val = objStreamReader.ReadToEnd()

puis je lis caractère par caractère pour identifier les balises d'ouverture et de fermeture... et apres j'ecris dans un label les balises qui m'interesse, y-a-t-il un moyen plus simple, d'identifier les balises?

merci

**tomlev** · 11/10/2011, 14h59

Utilise Html Agility Pack. C'est un outil qui permet de parser du HTML facilement, un peu comme si c'était du XML mais en tenant compte des spécificités de HTML.

Le premier tableau est dans un div avec un id ("poule"), donc ça devrait pas être trop difficile à récupérer. Par contre le 2e n'a aucun identifiant, donc c'est un peu plus coton... il faut parcourir la page en allant directement à sa position (genre la n-ième ligne du n-ième tableau...)

**jolona** · 11/10/2011, 15h08

ok je vais essayer, affaire à suivre

**jolona** · 12/10/2011, 07h55

voici le code :

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
Dim doc As New HtmlDocument()
        doc.LoadHtml(val)
        Dim cpt As Integer = 0
        For Each table As HtmlNode In doc.DocumentNode.SelectNodes("//table")
            Console.WriteLine("Found: " + table.Id)
            For Each row As HtmlNode In table.SelectNodes("tr")
                Console.WriteLine("row")
                For Each cell As HtmlNode In row.SelectNodes("td")
                    Console.WriteLine("cell: " + cell.InnerText)
                    'MsgBox("cell: " + cell.InnerText)
                    cpt += 1
                    If cpt = 6 Then
                        Label1.Text = cell.InnerText.Replace("&nbsp;", "<br/>")
                        Exit For
                    End If
                    If cpt = 6 Then
                        Exit For
                    End If
                Next
                If cpt = 6 Then
                    Exit For
                End If
            Next
            If cpt = 6 Then
                Exit For
            End If
        Next

par contre le formatage whoua...

j'obtiens ça:

"COMPOSITION DE LA POULE  VELO SPORT FERTOIS  RUGBY CLUB HERBRETAIS  R C CASTROGONTERIEN  RUGBY CLUB COLOMBANAIS  VELO SPORT NANTAIS  PATRIOTE BONNETABLE  RUGBY OLYMPIQUE MAYENNAIS  E S SEGRE HAUT ANJOU  LE CELTIC RUGBY CLUB  STADE TREILLIERAIN EQUIPE LOCALE POINTS POINTS EQUIPE VISITEUSE DATE DETAIL   E S SEGRE HAUT ANJOU 25 3  VELO SPORT FERTOIS 09/10/2011 - 15:00   RUGBY OLYMPIQUE MAYENNAIS 10 10  RUGBY CLUB HERBRETAIS 09/10/2011 - 15:00   PATRIOTE BONNETABLE 25 0  R C CASTROGONTERIEN 09/10/2011 - 15:00   VELO SPORT NANTAIS 35 5  RUGBY CLUB COLOMBANAIS 09/10/2011 - 15:00   LE CELTIC RUGBY CLUB 13 40  STADE TREILLIERAIN 09/10/2011 - 15:00"

je .Replace(" ", "<br/>") mais c'est hyper chiant pour recuperer les données correctement

**digital3d** · 12/10/2011, 16h46

Pourquoi ne pas utiliser des Regular Expression ?
Si tu emploi le Regex suivant dans une page, tu obtiens les valeurs hors code HTML:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
 
string pageHtml = "<html>...."; // ici c'est la source de la page
//tu coupes tout ce que tu peux en haut et en bas, ce qui est inutile
pageHtml = pageHtml.Substring(pageHtml.IndexOf("</head>");
pageHtml = pageHtml.Substring(0, pageHtml.IndexOf("</html>");
Regex regex = new Regex(@"(?<=>)(?<=[\n\s])?(?:(?<t>[^<]*))");
MatchCollection matches = regex.Matches(pageHtml);
foreach (Match m in matches )
{
//Je purge les données
}

**tomlev** · 12/10/2011, 19h33

Envoyé par digital3d

Pourquoi ne pas utiliser des Regular Expression ?

Parce que c'est totalement inadapté pour parser du HTML, et qu'en utilisant des regex pour ça tu ne fais que réinventer quelque chose qui existe déjà : un parseur HTML...

extraire une partie d'un site web [Débutant]

ASP.NET

Vue hybride

Discussions similaires

Partager

Partager