extraire des url avec une feuille xsl

**sarah_sanchez** · 27/07/2012, 18h18

bonjour à tous
je suis étudiante en biologie j'ai besoin que quelqu’un m'aide
à trouver une solution pour mon problème.

voila le problème

j'ai un problème avec les feuilles xsl

donc ma question est la suivante : avec c 3 liens :

http://www.marmiton.org/recettes/reche [...] st=5&start=-9

http://www.marmiton.org/recettes/reche [...] st=5&start=10

http://www.marmiton.org/recettes/reche [...] st=5&start=20

chaque lien liste 10 recettes

je veux une feuille xsl que j'appliquerai sur les 3 liens pour pouvoir récupérer les liens "URL" des 10 recettes.

enfin pour lister les 30 URL

mais que je le fasse avec une feuille xsl si t'as une idée ?

juste pour un petit detail j'ai deja aspiré les 3 liens enfin leur code source ?

donc je veux une feuille xsl que j'appliquerai sur les 3 fichiers.xhtml que j'ai aspiré

feuille xsl

sur

a201.xhtml
a111.xhtml
a121.xhtml

10 +10 +10
= 30 urls

**polymorphisme** · 27/07/2012, 19h19

Bonjour,

tu fais ca sous Linux ?

et es-ce que la feuille de style est appelée sur un serveur
ou tu utilise simplement un aspirateur ?

**sarah_sanchez** · 27/07/2012, 19h36

[quote=polymorphisme;6821286]Bonjour,

merci d'avoir répondu polymorphisme
je suis sous Windows pour l'instant mais sinon j'ai Linux aussi

je travaille en local pour l'instant mais j'ai un serveur aussi

donc je veux editer une feuille xsl je ne sais pas quoi mettre à l’intérieur de cette feuille qui pourra faire le travail au lieu de y'aller à chaque page et d'extraire les 10 urls manuellement et de les lister je ne sais pas si c faisable ou pas une feuille xsl avec script ? j’espère que je ne dis pas de bêtises

je veux récupérer à partir de http://www.marmiton.org/recettes/rec...x?aqt=nouilles ça ?
resultats :

/recette_porc-saute-aux-nouilles-chinoises_36503.aspx
/recette_nouilles-chinoises-facon-corinne_41618.aspx
/recette_nouilles-soba-aux-graines-de-sesame_82164.aspx
/recette_potage-asiatique-aux-nouilles-porc-et-crevettes_28939.aspx
/recette_nouilles-birmanes_46215.aspx
/recette_nouilles-chinoises_17284.aspx
/recette_nouilles-a-ma-facon_27725.aspx
/recette_nouilles-chinoises-soja-et-poulet-au-wok-facile_42206.aspx
/recette_nouilles-chinoises-au-chorizo_86837.aspx

mais avec une feuille xsl qui va s'appliquer sur le fichier.xhtml ou "code source" que j'ai aspiré

pour lister les URLs
au dessus

enfin cette feuille va s'appliquer sur toutes les pages ?

et ensuite récupérer 30 URLs

**polymorphisme** · 27/07/2012, 19h49

Ok, c'est possible de faire cela avec XSL.

Pourquoi ne fais tu pas cela avec la commande wget sous Linux ?

**sarah_sanchez** · 27/07/2012, 20h02

c'est la raison de ma présence ici
je ne sais pas comment procéder je suis vraiment nouvelle
je suis débutante ds tout

j'ai pas l'habitude de travailler sur Linux et les commandes ?

si tu as une idée ce génial de ta part

**polymorphisme** · 27/07/2012, 20h13

Dans ce cas, je te conseil la commande wget.
La page man donne pas mal d'informations (man wget)
et il y a pleins d'exemples sur l'Internet.
Je n'ai plus les options de la commande en tête
mais wget permet de filter les URLs des pages que tu souhaite aspirer.

Je crois que ce sera plus facile à mettre en oeuvre qu'avec une feuille de style XSLT.

**tsuji** · 31/07/2012, 10h16

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
<?xml version="1.0" encoding="UTF-8"?>
<!-- version 1.0 suffit -->
<xsl:stylesheet xmlns:xsl="http://www.w3.org/1999/XSL/Transform" version="1.0">
 
<xsl:output method="text" indent="no" omit-xml-declaration="yes"/>
 
<xsl:template match="/">
<!-- attention
<xsl:for-each select="//a[@class="lienTitreResultat"]/@href">
-->
<xsl:for-each select="//a[@class='lienTitreResultat']/@href">
    <!-- 
        sort auprès lienTitreResultat, c'est non-sens si ça veut dire un texte litéral. 
        Si c'est une balise, la référence est certainement fausse puisque le contexte est en rapport avec @href.
     -->
    <!-- j'essai de deviner sort auprès de @href, remplacez ce que vous voulez vraiment. -->
    <xsl:sort select="." />
    <xsl:value-of select="."/>
</xsl:for-each>
</xsl:template>
 
</xsl:stylesheet>

**sarah_sanchez** · 31/07/2012, 15h31

MERCI tsuji

Voila j'ai essayé d'appliquer la feuille de style mais rien ne se passe apart si jai loupé quelque chose :

**tsuji** · 31/07/2012, 16h27

Je ne sais combien de confiance on peut faire part pour la feuille xslt, mais la version que je arrive basée sur les précédentes devrait syntactiquement parlant. Mais...

j'ai essayé ca xsltproc feuille.xsl fichier.xhtml > doc.html

Alors, ça, ça se trahit. D'abord, la feuille a l'intention de résulter un fichier textuel, pas une page html; et puis, xhtml n'est pas un document qui s'écrit dans un espace de nom null! Si vous ne comprenez tout ça, c'est difficile à explique dans un forum de ce genre, il faut se faire éduquer d'après les livres tranquillement...

Voici ce que je vais proposer vous faire pour que vous pouvez au moins avoir quelque évidence à la main après tout ça. Faites cette ligne de commande:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

xsltproc -o output.txt feuille.xsl fichier.xhtml

Et puis le feuille.xsl comme ça.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
<?xml version="1.0" encoding="UTF-8"?>
<xsl:stylesheet xmlns:xsl="http://www.w3.org/1999/XSL/Transform" version="1.0">
<xsl:output method="text" indent="no" omit-xml-declaration="yes"/>
<xsl:template match="/">
<xsl:for-each select="//*[local-name()='a' and @class='lienTitreResultat']/@href">
    <xsl:sort select="." />
    <xsl:value-of select="."/>
    <xsl:text>&#x0a;</xsl:text>
</xsl:for-each>
</xsl:template>
</xsl:stylesheet>

Si votre feuille xhtml contient au moins un "anchor" comme ça

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

<a class="lienTitreResultat" href="xyz">etc etc</a>

(avec un espace de nom défault http://www.w3.org/1999/xhtml sous-entendu), vous devriez au moins obtenir quelque info sortant dans le fichier output.txt.

Voilà ce que je puisse proposer pour sauver la situation.

**sarah_sanchez** · 31/07/2012, 17h00

grand merci tsuji :

voila un bout de mon code xhtml :

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
<div>
		<table cellspacing="0" cellpadding="0" border="0" id="ctl00_cphMainContent_mrmSearch_repResults" style="border-width:0px;width:100%;border-collapse:collapse;">
			<tr class="result1-2">
				<td class="txtResultat" valign="top">
                    <table cellpadding="0" cellspacing="0" border="0">
                        <tr>
                            <td rowspan="3" valign="top" width="84" style="padding-right:10px;">
                                <div class="imgResultatRecette">
                                    <a href='/recettes/recette_nouilles-chinoises-facon-corinne_41618.aspx' class="lienTitreResultat">
                                        <img width="80" height="80" border="0" src='http://images.marmitoncdn.org/recipephotos/multiphoto/26/26b35b37-fcf0-42de-b45a-574f195d6c7e_tn-80x80.jpg' /></a>
                                </div>
                            </td>
                            <td valign="top" width="235" class="miniTxtRecette">
                                <a class="lienTitreResultat" href='/recettes/recette_nouilles-chinoises-facon-corinne_41618.aspx'>Nouilles chinoises faÃ§on Corinne</a><br />
                                Accompagnement<br />
                                VÃ©gÃ©tarien
                            </td>

moi ce que je veux récupérer c'est ça :

/recettes/recette_nouilles-chinoises-facon-corinne_41618.aspx

dans toute la page y'a 10 urls : voir code source de http://www.marmiton.org/recettes/rec...x?aqt=nouilles

mais si tu regarde dans le bout de code au-dessus le /recettes/recette_nouilles-chinoises-facon-corinne_41618.aspx est répétée 2 fois

donc j'aimerai enlever les doublons à l'affichage

je vais essayer avec ta méthode

une idée ?

**tsuji** · 31/07/2012, 19h52

j'aimerai enlever les doublons à l'affichage

Oui, mais c'est un peu embêtant...

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
<?xml version="1.0" encoding="UTF-8"?>
<xsl:stylesheet xmlns:xsl="http://www.w3.org/1999/XSL/Transform" version="1.0">
<xsl:output method="text" indent="no" omit-xml-declaration="yes"/>
<xsl:template match="/">
<xsl:variable name="classname" select="'lienTitreResultat'" />
<xsl:for-each select="//*[local-name()='a' and @class=$classname]">
    <xsl:sort select="@href" />
    <xsl:if test="count(preceding::*[local-name()='a' and @class=$classname
        and @href=current()/@href])=0">
        <xsl:value-of select="."/>
        <xsl:text>&#x0a;</xsl:text>
    </xsl:if>
</xsl:for-each>
</xsl:template>
</xsl:stylesheet>

Et ça ne s'améliore guère même si je utiliserais l'outil de xsl:key... mais bref; pourtant, ça a la bénéficie de mettre le fil de raisonnement le plus clair possible avec un minimum de moyens.

**sarah_sanchez** · 01/08/2012, 17h34

thanks to tsuji

je vais essayer pour voir voir je te tiens au courant

mais est ce que t'as pris le code que je t'ai envoyé .?

t'as chez toi si ça marche ?

merci

**tsuji** · 06/08/2012, 09h13

Un demo pour fichier.xhtml peut parâitre comme ça pour simplifier tous ceux qui ne sont pas concernants.

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
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Strict//EN"
    "http://www.w3.org/TR/xhtml1/DTD/xhtml1-strict.dtd">
<html xmlns="http://www.w3.org/1999/xhtml" xml:lang="fr">
<head>
<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />
<titre></titre>
</head>
<body>
<div class="imgResultatRecette">
    <a href='/recettes/recette_nouilles-chinoises-facon-corinne_41618.aspx' class="lienTitreResultat">
        <img width="80" height="80" border="0" src='http://images.marmitoncdn.org/recipephotos/multiphoto/26/26b35b37-fcf0-42de-b45a-574f195d6c7e_tn-80x80.jpg' />
    </a>
</div>
<div>
    <a class="lienTitreResultat" href='/recettes/recette_nouilles-chinoises-facon-corinne_416182.aspx'>Nouilles chinoises façon Corinne</a>
</div>
<!-- répétez cent fois mille fois comme vous voulez -->
<div class="imgResultatRecette">
    <a href='/recettes/recette_nouilles-chinoises-facon-corinne_41618.aspx' class="lienTitreResultat">
        <img width="80" height="80" border="0" src='http://images.marmitoncdn.org/recipephotos/multiphoto/26/26b35b37-fcf0-42de-b45a-574f195d6c7e_tn-80x80.jpg' />
    </a>
</div>
<div>
    <a class="lienTitreResultat" href='/recettes/recette_nouilles-chinoises-facon-corinne_416182.aspx'>Nouilles chinoises façon Corinne</a>
</div>
</body>
</html>

**sarah_sanchez** · 08/08/2012, 07h56

oui mon fichier html c'est dans ce modèle
mais en ligne de commandes quand j'applique la feuille.xsl sur le fichier.xhtml pour récupérer les 10 URLs ça donne rien je ne sais pas ou est le problème ?

merci

**tsuji** · 08/08/2012, 09h40

Une fois vous dites

du coup j'ai eu plusieurs erreurs à l'affichage

et puis maintenant cette fois ci

ça donne rien je ne sais pas ou est le problème ?

Est-ce qu'il y a d'erreurs avec la ligne de commande ou non?

Je viens d'éxécuter la ligne de commande avec mon xsltproc.exe et ça fonctionne comme j'attends.

Est-ce que vous n'avez jamais réussi de l'éxécuter? Il y a des préparations sur l'environment à faire avant qu'il soit capable de faire sans erreurs: il faut que xsltproc soit capable de trouver libxml2.dll, zlib2.dll aussi. Donc, il faut mettre les répertoires de fichiers de libxml2.dll et zlib2.dll dans le "path" de l'environment.

**sarah_sanchez** · 08/08/2012, 19h34

oui desolé
j'ai eu des erreurs pcq j'ai essayé de voir si marche avec du php alors jai eu des erreurs.

sinon ce qui m'interesse c'est de le faire en ligne de commandes

voila j'ai prix cette feuille.xsl

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
<?xml version="1.0" encoding="UTF-8"?>
<xsl:stylesheet xmlns:xsl="http://www.w3.org/1999/XSL/Transform" version="1.0">
<xsl:output method="text" indent="no" omit-xml-declaration="yes"/>
<xsl:template match="/">
<xsl:variable name="classname" select="'lienTitreResultat'" />
<xsl:for-each select="//*[local-name()='a' and @class=$classname]">
    <xsl:sort select="@href" />
    <xsl:if test="count(preceding::*[local-name()='a' and @class=$classname
        and @href=current()/@href])=0">
        <xsl:value-of select="."/>
        <xsl:text>&#x0a;</xsl:text>
    </xsl:if>
</xsl:for-each>
</xsl:template>
</xsl:stylesheet>

que j'ai appliqué au fichier.xhtml

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
28
 
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Strict//EN"
    "http://www.w3.org/TR/xhtml1/DTD/xhtml1-strict.dtd">
<html xmlns="http://www.w3.org/1999/xhtml" xml:lang="fr">
<head>
<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />
<titre></titre>
</head>
<body>
<div class="imgResultatRecette">
    <a href='/recettes/recette_nouilles-chinoises-facon-corinne_41618.aspx' class="lienTitreResultat">
        <img width="80" height="80" border="0" src='http://images.marmitoncdn.org/recipephotos/multiphoto/26/26b35b37-fcf0-42de-b45a-574f195d6c7e_tn-80x80.jpg' />
    </a>
</div>
<div>
    <a class="lienTitreResultat" href='/recettes/recette_nouilles-chinoises-facon-corinne_416182.aspx'>Nouilles chinoises façon Corinne</a>
</div>
<!-- répétez cent fois mille fois comme vous voulez -->
<div class="imgResultatRecette">
    <a href='/recettes/recette_nouilles-chinoises-facon-corinne_41618.aspx' class="lienTitreResultat">
        <img width="80" height="80" border="0" src='http://images.marmitoncdn.org/recipephotos/multiphoto/26/26b35b37-fcf0-42de-b45a-574f195d6c7e_tn-80x80.jpg' />
    </a>
</div>
<div>
    <a class="lienTitreResultat" href='/recettes/recette_nouilles-chinoises-facon-corinne_416182.aspx'>Nouilles chinoises façon Corinne</a>
</div>
</body>
</html>

avec ca :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

 xsltproc -o output.txt feuille.xsl fichier.xhtml

et ca donne rien
mais les libxml2.dll et zlib2.dll je ne sais pas trop
comment verifier.
thanks

**sarah_sanchez** · 09/08/2012, 01h49

rebonjour
voila quand je mets
xsltproc -version

Using libxml 20708, libxslt 10126 and libexslt 815
xsltproc was compiled against libxml 20707, libxslt 10126 and libexslt 815
libxslt 10126 was compiled against libxml 20707
libexslt 815 was compiled against libxml 20707

j'ai ça donc je crois que le problème ne viens pas de ça ?

donc je fais ca

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

xsltproc -o output.txt test.xsl test.xhtml

saut à la ligne et rien ne se passe

**tsuji** · 09/08/2012, 08h32

Ce n'est pas raisonnable de verifier et de conclure quoi que ce soit si la ligne de commandes donne des erreurs. Quelle os travaillez-vous avec? Selons le cas, cherchez et chargez les binaires puisque vous utilisez la libraire comme un outil.
http://xmlsoft.org/XSLT/downloads.html
Lire la première paragraphe.

La libraire libxslt dépend de libxml qui elle aussi dépend de iconv et zlib.

**sarah_sanchez** · 06/08/2012, 01h17

Bonsoir tsuji

j'ai essaye le code mais ca ne marche pas avec ke code que t'as fourni en haut

Code : Sélectionner tout - Visualiser dans une fenêtre à part

xsltproc -o output.txt feuille.xsl fichier.xhtml

du coup j'ai eu plusieurs erreurs à l'affichage

le probleme c'est que je n'arrive pas à associer le fichier.xsl et l'appliquer au fichier.xhtml

de l'aide please

extraire des url avec une feuille xsl

XSL/XSLT/XPATH XML

Vue hybride

Discussions similaires

Partager

Partager