Discussion :

[saluts92]

Bonjour,

J'ai besoin d'utiliser un objet DomXpath pour analyser des pages HTML
Pour cela j'utilise les lignes de codes suivants :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
 
$dom = new DomDocument;
@$dom -> loadHTML($url_content);
$xpath = new DomXPath($dom);

$url_content est le contenu d'une page web récupéré via CURL

Cela fonctionne bien mis à part sur quelques sites (pas tous) en UTF-8 où le loadhtml retourne un fichier vide (sans erreur particulière)
Le problème est comme je l'ai deja dit plus haut ce n'est pas systématique : pour la plupart des sites en UTF-8 cela fonctionne

Quelque'un a t-il un retour d'expérience similaire ? et/ou une solution pour l'aider ?

d'avance merci

[CosmoKnacki]

Les noms de ces classes sont DOMDocument et DOMXPath (avec DOM en majuscule).

Si tu veux voir les éventuels messages d'erreurs enlève l'arobase devant $dom->loadHTML($url_content);, peut être qu'ils contiennent des informations susceptibles de t'aider.

Concernant ton contenu vide, as-tu vérifier que $url_content ne l'était pas auparavant? Je ne pense pas que l'UTF8 soit en cause.

NB: il n'est pas forcément utile d'utiliser cURL pour obtenir le contenu de la page web, la méthode DOMDocument::loadHTMLFile peut s'en charger, et les paramètres que l'on peut passer à cURL, peuvent être passés à cette méthode via stream_context_create et stream_context_set_option.

[saluts92]

$url_content contient bien le fichier

si l'utf-8 est en cause j'ai pu le vérifier en utilisant la "bidouille suivante" :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
 
$dom->loadHTML('<?xml encoding="UTF-8">' . $url_content);

mais ce n'est pas une solution pérenne

[CosmoKnacki]

Et as-tu essayer de passer l'encodage directement dans le constructeur?:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

$dom = new DOMDocument('1.0', 'UTF-8');

[saluts92]

je vais essayer, mais que se passera t-il pour les pages html qui ne sont pas en utf-8 ?

[CosmoKnacki]

Non en fait ça ne change rien, l'encodage est systématiquement redéfini au chargement de la page. Mais je pense toujours que l'encodage n'y est pour rien. Peux-tu donner l'url d'une des pages problématiques.