Lecture du code html entre deux balises

**deubelte** · 08/05/2012, 14h56

Bonjour
Quelle est la meilleure facon de lire du code html entre deux balises?
J'ai trouvé cette solution:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

preg_match('/<body>(.*?)<\/body>/s', $data, $matches);

mais selon vous, est-ce une bonne idée, et est-ce la meilleure?
merci

**rawsrc** · 08/05/2012, 15h06

Bonjour,

Pour parser du HTML cest DOMDocument
Tout autre idée est une hérésie.

stealth35 sort de ce corps

**deubelte** · 08/05/2012, 16h04

ok merci
mais comment puis-je convertir du html en xml?
Je veux par exemple récupérer le texte qui se trouve dans la balise
<p align="justify"> de ce lien html:
view-source:http://www.lygeros.org/5715-gr.html

**rawsrc** · 08/05/2012, 19h17

Ce que tu souhaites faire relève du data-mining et il vaut mieux avoir l'autorisation du site ciblé.
Ensuite le HTML est déjà du XML.
Pour la sélection du paragraphe voulu c'est du DOMXPath.
Comme ça :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
 
$data = file_get_contents('http://www.lygeros.org/5715-gr.html');
if ($data === false) {
   exit;
}
$dom = new DOMDocument();
$dom->loadHTML($data);
$xpath = new DOMXPath($dom);
$nodes = $xpath->query('p[@align="justify"]');
foreach($nodes as $node) {
   $txt = $node->textContent;
}

Enfin un truc de ce genre.

**deubelte** · 08/05/2012, 19h51

Ce que tu souhaites faire relève du data-mining et il vaut mieux avoir l'autorisation du site ciblé.

C'est mon propre site.

Pour la sélection du paragraphe voulu c'est du DOMXPath.

merci je regarde

**deubelte** · 08/05/2012, 20h09

en fait, voici ce que je veux faire.
J'ai des fichiers sur un site web qui résultent d'une mauvaise utilisation du php. Il se présentent sous cette forme:
Les balises hauti permettent d'injecter le code html.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
<? include ('hauti.inc'); ?>
Chant d’honneur
<? include ('hauti2.inc'); ?>
Chant d’honneur
<? include ('hauti3.inc'); ?>
2013
<? include ('hauti4.inc'); ?>
Nous écoutions le chant d’antan<br/>
comme si c’était une prière.<br/>
Nous aimions ces sonorités<br/>
.........
 
<? include ('hauti5.inc'); ?>

Ce qui donne ceci:
http://www.lygeros.org/2013-fr.php

Je voudrais paser les fichiers pour récupérer le texte qui se trouvent entre les balises <?...?>. Mais je ne vois pas trop comment faire. Utiliser des regex?
J'ai voulu faire ceci:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

 $texte=preg_split("/[\s]*[<?*?>][\s]*/", $texte);

Qu'en pensez vous? Je pense qu'il risque d'y avoir un problème s'il y a des points d'interrogation dans le texte.
De plus j'aimerais aussi récupérer le nom des balises (hauti5, hauti1...) pour savoir à quoi j'ai affaire
Merci

Lecture du code html entre deux balises

Langage PHP

Vue hybride

Discussions similaires

Partager

Partager