Discussion :

[ninou blue]

Bonjour,

J'aimerais extraire une information d'un fichier contenant le code HTML se trouvant entre la balise <a href......htm> et </a>.

J'ai utilisé l'expression régulière suivante

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

resultat.append(value.replaceAll("<[^>]+>",""));

mais ça ne m'a pas donné le résultat voulu.

Quelqu'un saurait-il m'indiquer comment faire ?

Merci d'avance pour votre aide.

[thelvin]

Hello,

Je ne comprends pas trop pourquoi cela ne marche pas. Pourrais-tu nous montrer le code qui prouve que ça ne marche pas ?

Bon sinon, normalement il ne faut pas utiliser d'expression régulière pour ça. Il faut utiliser un parseur HTML
L'exemple suivant illustre le problème :

Code html :

Sélectionner tout - Visualiser dans une fenêtre à part

<a href="bidule.html" data-menuentry="main>cooking">Et là les données à extraire</a>

Quand on rencontre le <a on peut très bien tomber sur un > qui ne sert pas à fermer la balise, mais qui est à l'intérieur d'un attribut. Une regex ne peut pas vraiment gérer tout le contexte nécessaire pour parser du HTML, c'est pour ça qu'il vaut mieux compter sur un parseur qui, lui, sait le faire correctement.
(Bleh, même la coloration syntaxique du site ne sait pas le gérer -_-°)

[kolodz]

Tu devrais passer par un XML Parser à la place de l'expression régulière. C'est beaucoup plus fiable et clair dans ce que tu manipule.

Tutoriel sur le sujet :
http://cynober.developpez.com/tutoriel/java/xml/jdom/

Ainsi tu parse le fichier.html et tu recherche l'ensemble des enfants "a" et tu prends le contenu de ceux-ci.

Cordialement,
Patrick Kolodziejczyk.

[Népomucène]

@thelvin Tu as un parser préféré ?

[CosmoKnacki]

Moi, je conseillerais Jsoup qui est très simple d'utilisation.

[thelvin]

Pareil pour du HTML, et JDOM pour du XML.

[ninou blue]

bon d’abord merci pour vos réponse j'ai cette phrase <a href="Su/ca-6529.htm">ca</a>
je veux extraire le mot ca à l'aide d'une expression réguliers quand j'ai fait un essai sa ma donner tous le code HTML sauf ca comment je peux le réglé et merci