Discussion :

[olaxius]

Bonjour,
Qd je fais "code source de la page" sur mon navigateur (firefox), (voici en partie) ce qui m'apparait de la page HTML

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
 
<td class="center">5,5</td>
<td class="center">5,2</td>
<!--<td class="center">5.5</td>
<td class="center">5.2</td>-->

Qd je récupère cette même page soit avec urlopen ou urlretrieve voici ce que j'obtiens

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
 
<td class="center"></td>
<td class="center"></td>
<!--<td class="center"></td>
<td class="center"></td>-->

Pourquoi est ce que les valeurs entre les balises disparaissent ?
Sur d'autres balises de même genre les valeurs restent ???
J'utilise python 2.7.1 et j'encode en utf-8
La page html est elle aussi en utf-8
Si quelqu'un peu m'aider à comprendre ce mystère
D'avance merci

[wiztricks]

Salut,
Il est où le code?
- W

[olaxius]

merci de me répondre
voici un exemple du 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
 
# -*- coding: utf-8 -*- 
import urllib2 as url
import re
 
vFic =  url.urlopen("http://www.paris-turf.com/reunion/pid57-course.html?table=tableaux_des_resultats&idcourse=684636")
vPage = vFic.readlines()
vCote = ""
 
for vEl in vPage :
    if re.search("<.*?>",vEl) :
        vCote = re.sub("<.*?>",'',vEl)
        vCote = re.sub("</td>",'',vCote)
 
print("Cote = " + vCote)

Comme expliquer plus haut le pb se situe ou se situerai au niveau de :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
 
vPage = vFic.readlines()

En fait la page est lue mais certaines valeurs contenues entre certaines balises (pas forcément les mêmes) disparaissent

Je pense que c'est un pb d'encodage mais je n'ai toujours pas trouvé !
Espérant n'avoir pas été trop confus
Merci

[wiztricks]

Salut,

Votre utilisation d'urlopen est assez basique: si çà ne remontait pas ce que le serveur "renvoie", çà se saurait.

Ce n'est pas un problème d'encoding: vous vous accrochez à des balises qui sont ASCII et donc indépendantes de l'encodage: ce n'est pas encore un problème.

Mais, je ne sais trop ce que vous souhaitiez faire:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
for vEl in vPage :
    if re.search("<.*?>",vEl) :
        vCote = re.sub("<.*?>",'',vEl)
        vCote = re.sub("</td>",'',vCote)

1. pour chaque ligne dans la page,
2. si elle contient une expression de la forme "<.*?>"
3. alors garder que ce qui n'est pas dans "<.*?>"
4. overkill pour "</td>" - çà matche le truc précédent non?
=> en gros, çà "garde" le texte contenu dans la ligne lue et donc beaucoup de blancs... en virant tout ce qui est entre des balises.

Je n'en vois pas trop l'intérêt mais pourquoi pas!
Le (1) suppose que les lignes contiennent une chose bien formée: or rien n'impose à un tag ouvert à la ligne I d'être fermé dans cette même ligne: no match, on saute toute la ligne.
=> un code équivalent pourrait être:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
page = vFic.read() # soyons fou! mettons tout dans la page...
print re.sub("<.*?>",'',page)

Mais je doute que ce soit ce que vous voulez ;-(

Bon courage
- W

[olaxius]

Je suis un abruti
En fait j'analysais la mauvaise page si si
donc il n' y a pas de pb
Désolé pour le dérangement
merci à ceux qui m'ont répondu, et aussi à ceux qui ont perdu leur temps à lire mes âneries

bonne soirée