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