Discussion :

[alexoxido]

Bonjour,

je cherche a récupérer (extraire) des chaines de caractères d'un fichier .txt.

exemple:

Je possède un code source de page web dans un fichier .txt

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
<meta charset="utf-8">
<meta name="description" content="AniChart | The Best Place For Finding Upcoming Anime">
<meta name="keywords" content="Anime,Chart">

et je souhaite récupérer dans une variable juste : "AniChart | The Best Place For Finding Upcoming Anime".
Mais voila je n'ai aucune idée de comment faire et je ne trouve rien sur le net comme réponse a ma question.

Merci d'avance.

Cordialement

[ternel]

Soit tu utilises un parser html, soit tu la récupère à la main.

à la main, tu as intérêt à utiliser std::getline(stream, string&, char délimiteur).
En effet, l'html peut ne pas contenir de "\n" aux bons endroits.
L'idée sera d'utiliser '<' comme délimiteur, puisque tu sais que seules les balises commencent avec.

Ton code ressemblera à la lecture ligne à ligne, mais par balises (ouvrante ou fermante).
les chaines lues commenceront par le nom de la balise et il suffira d'extraire la chaine voulue via une regex (en faisant attention aux \" éventuellement présents)

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
//analyse des chaines telles que: <meta name="description" content="AniChart | The Best Place For Finding Upcoming Anime">
std::string extract_meta(istream& source, std::string const& name) {
    std::string balise;
    while (std::getline(source, balise, '<') {
        if (balise.substr(0,4)!="meta") continue;
        if (balise.find("name=\""+name+'\"')==std::string::npos ) continue;
        //pseudocode
        retourner la valeur de content avec une regex d'extraction proche de: "content\"(.*)\"
    }
    return "";
}

Ce n'est pas la solution idéale pour lire plusieurs méta, parce que le stream sera modifié.
Dans ce cas, il faudrait plutôt créer une classe de méta, et parser un vecteur de meta.
Une méta étant essentiellement descriptible comme une map d'attributs, eux différentes normes html près.

[Sergejack]

Il doit bien y avoir des classes gérant les expressions régulières en c++.

[the Hound]

Oui, <regex> à partir de C++11.

[ternel]

C'est juste qu'une regex à l'aveugle sur un fichier html complet, tu ne vas jamais t'en sortir.
C'est pour ca que, dans ce cadre précis, getline() par balise est utile pour réduire la zone analysée

[Cloyz]

http://www.grinninglizard.com/tinyxm...tutorial0.html

[jblecanard]

Je suis d'accord avec leternel, la regex est plutôt une mauvaise idée ici. Un parseur XML n'est pas forcément l'idéal non plus si le HTML a le malheur d'être mal formé, ce qui est souvent le cas

[the Hound]

Ouais m'enfin si on part du principe que tout peut être potentiellement mal formaté on finit par extraire nos données à la main

[jblecanard]

Ouais m'enfin si on part du principe que tout peut être potentiellement mal formaté on finit par extraire nos données à la main

Je suis d'accord avec toi mais en ce qui concerne le HTML, c'est plus que courant qu'il soit mal formaté, parce que les navigateurs le supporte quand même. Dans la plupart des autres cas, si tu as de la donnée mal formatée, tu as un système en panne. Pas là, d'où le conseil :p.

[ternel]

En fait, c'est même pire que ca, l'HTML mal formaté fait partie de la norme HTML (la norme 4, en tout cas) et qu'en l'abscence de doctype, on ne sait pas quelle est la norme suivie.

Il y a encore deux ans, c'était une possibilité voulue.
En HTML5, ce n'est plus toléré, mais il faut un doctype précis pour être en html5

[Bousk]

Salut,

pour moi la regexp reste le meilleur moyen de s'en sortir.
Je suis plus habitué à les manipuler en Python, alors:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

meta.*?name="description".*?content="(.*?)"

Tu peux tester son résultat ici : http://www.pythonregex.com/

Avec celle-ci et l'option Dot All, tu retrouves ta chaîne quelle qu'elle soit. La balise peut être sur plusieurs lignes etc, pas trop de problème à priori. Idem si son contenu est sur plusieurs lignes, il retombera sur ses pattes. Sinon tu tweak.

[DenisACF01]

bonjour,

je suis novice en PHP et j'ai le même désir.

j'ai un fichier.txt avec des données et je souhaite récupérer certaines lignes pour ma base de données et je ne sais pas du tout comment faire malgré plusieurs réponses trouver sur le net . Merci

[the Hound]

Bonjour,

Dans ce cas, crée ton propre thread sur le forum dédié à PHP.

[ternel]

Tu es complètement au mauvais endroit. Pose ta question dans le forum PHP.
Mes souvenirs de PHP ne contiennent même pas d'accès fichier

Cela dit, la logique devrait être la même.

1. s'assurer que quoiqu'il arrive, si le fichier est ouvert, il sera fermé,
2. ouvrir le fichier,
3. tant que c'est possible, lire une ligne.
4. sauter les lignes vides
5. éventuellement, supprimer les commentaires
6. utiliser la ligne.
7. revenir au point 3

Il suffit pour avoir un parseur efficace, de concevoir une petite machine à états qui suivra la lecture (souvent init & data: un simple booléen suffit)