Récupérer le texte entre deux balises HTML

**ChesterCat** · 12/03/2017, 12h23

Bonjour, et merci d'avance pour votre aide !

Je cherche à écrire un programme en Perl me permettant d'extraire le texte entre chaque balises html.
Pour ce que j'ai écrit pour l'instant, perl n'arrive pas a extraire la totalité du contenu (je pense qu'il bug avec la balise <a href> mais je ne vois pas comment contourner ce problème) :

open(TEXTE,"home.html") ;

while ($ligne = <TEXTE>)
{
if ($ligne=~/<(.*?)>(.*?)<\/(.*?)>/)
{
print "$2\n";
}
}
close(TEXTE);

Voici mon html d'exemple :

<html>
<head>
<title>Blabla</title>
</head>
<body>
<p><a href="https://en.wikipedia.org">Il</a> était une fois.</p>
<p>Bla bla</p>
</body>
</html>

Merci !

**Lolo78** · 12/03/2017, 17h38

Bonjour,

c'est une mauvaise idée que de vouloir analyser du HTML avec des expressions régulières, le HTML n'est pas régulier.

Il vaut mieux utiliser un parser spécialisé du CPAN. Par exemple:

http://search.cpan.org/dist/HTML-Parser/Parser.pm

Mais il en a d'autres.

**Philou67430** · 14/03/2017, 15h48

A l'aide du module Mojo:

OM, on peut accéder en quelques fonctions au contenu textuel des balises un peu à la façon de jQuery.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
open(TEXTE,"home.html");
local $/; # slurp file
my $dom = Mojo::DOM->new(<TEXTE>);
print $dom->text;

Récupérer le texte entre deux balises HTML

Langage Perl

Discussions similaires

Partager

Partager