parsing d'une page html

**djbad** · 27/10/2017, 18h10

Bonjour, je ne sais pas si c'est la bonne section pardonnez mi d'avance.
Alors voila je ne sais pas comment m'y prendre mais j'aimerais à partir d'une page html extraire des parties.
dans ce code html j'aimerais récupérer le nom et prénom dans un fichier text mais je n'y arrive pas
sachant que sur une même ligne il peut y avoir plusieurs nom et prenom dans l'exemple vous avez Toto TATA et Titi TETE
le code n'est pas viable c'est juste pour l'exemple
j'ai utiliser du python avec librairy beautifoul soup mais sans sucès car je suis débutant en langage python
j'ai essayé de copier le code dans un fichier texte et utilisé les commandes linux awk sed et grep mais je n'arriva pas à ce que je veux
Merci de m'orienter SVP

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
 <!DOCTYPE html>
<html lang="fr">
  <body class="toto">
    <div id="bloc"></div>
 
    <div id="menu">
    <div id="appli" class="appliskeleton">
  <div class="top-bar"></div>
  <div class="content">
    <div class="load">
      <div class="image"></div>
      <div class="loading-bar">
        <div class="blue"></div>
      </div>
    </div>
  </div>
</div>
 
 
<script src="https://myscript" ></script>
 
 
<code style="display: none" id="19543">
  {&quot;sometext&quot:&quot;&quot;$sometext&quot;:[&quot;sometext&quot;,&quot;picture&quot;],&quot;sometext&quot;:&quot;}
</code>
 
<img src="data:image/gif;base64,R0lGODlhAQABAQAAAAAAAP///yH5BAEAAAAALAAAHAABAAEAAAIBRAA7" style="display: none" >
  {&quot;sometext&quot:&quot;&quot;$sometext&quot;:[&quot;sometext&quot;,&quot;picture&quot;],&quot;sometext&quot;:&quot;}
</code>
<code style="display: none" id="datalet-bpr-guid-19546">
  {"request":"api/search/17","status":200,"body":"body"}
</code>
<img src="data:image/gif;base64,R0lGODlhAQABAQAAAAAAAP///yH5BAEAAAAALAAAHAABAAEAAAIBRAA7" style="display: none" >
  {&quot;sometext&quot:&quot;&quot;$sometext&quot;:[&quot;sometext&quot;,&quot;picture&quot;],&quot;sometext&quot;:&quot;}
</code>
 
<img src="data:image/gif;base64,R0lGODlhAQABAQAAAAAAAP///yH5BAEAAAAALAAAHAABAAEAAAIBRAA7" style="display: none" >
  {&quot;sometext&quot:&quot;&quot;$sometext&quot;:[&quot;sometext&quot;,&quot;picture&quot;],&quot;sometext&quot;:&quot;}
</code>
 
<img src="data:image/gif;base64,R0lGODlhAQABAQAAAAAAAP///yH5BAEAAAAALAAAHAABAAEAAAIBRAA7" style="display: none" >
  {&quot;sometext&quot:&quot;Name&quot;:&quot;Toto&quot;,&quot;surName&quot;:&quot;TATA&quot;,&quot;$sometext&quot;:[&quot;sometext&quot;,&quot;picture&quot;],&quot;sometext&quot;:&quot;{&quot;Name&quot;:&quot;Titi&quot;,&quot;surName&quot;:&quot;TETE&quot;,&quot;$sometext&quot;:[&quot;sometext&quot;,&quot;picture&quot;],&quot;sometext&quot;:&quot;
 
</code>
<code style="display: none">
  {"request":"api/search/17","status":200,"body":"body"}
</code>
 
 
<img src="data:image/gif;base64,R0lGODlhAQABAQAAAAAAAP///yH5BAEAAAAALAAAHAABAAEAAAIBRAA7" style="display: none" >
 
 
    <div id="notification" class="hidden" role="fr" ></div>
  </body>
</html>

**CosmoKnacki** · 27/10/2017, 20h37

je ne sais pas si c'est la bonne section

Je ne pense pas, moi j'aurais plutôt posté ça dans la section en rapport avec l'outil utilisé (BeautifulSoup) donc dans la section Python. Peut-être qu'une bonne âme voudra bien déplacer ton post.

le code n'est pas viable c'est juste pour l'exemple

Dans ce cas ce n'est pas un bon exemple. Si tu ne fournis pas un exemple sur lequel on puisse travailler, ça ne simplifiera la tâche de personne.

BeautifulSoup est le bon outil, il faut continuer dans cette voie, sed/awk ne sont pas appropriés pour parser du html.
Si tu as du mal avec BeautifulSoup, avance pas à pas et affiche ce que tu obtiens pour voir où tu en es (en fait c'est comme pour tout). Si tu te retrouves bloqué, montre ton code, mais encore une fois uniquement en fournissant un exemple html exploitable!

BeautifulSoup ne te permettra que d'extraire le JSON contenant les données qui t'intéressent, mais pas plus. Ensuite c'est au module json de prendre le relais. Il pourra le décoder pour ensuite accéder aux éléments que tu cherches.

**thelvin** · 27/10/2017, 22h39

A mon avis cela peut se faire dans n'importe quel langage... Ce qu'il faut c'est en prendre un dans lequel on est pas débutant !

Quels langages de programmation connais-tu ?

**djbad** · 28/10/2017, 14h23

Quels langages de programmation connais-tu ?

en python je pense que ce sera le plus adapté pour moi.

Dans ce cas ce n'est pas un bon exemple. Si tu ne fournis pas un exemple sur lequel on puisse travailler, ça ne simplifiera la tâche de personne.

il sert d'exemple mais il est proche de la structure initial pour moi cela ne doit pas poser de problème mais merci quand même
je vais tenter avec python et revenir au besoin.
mais à titre d'info si vous aviez besoin de parser ce genre de fichier vous aurez fait comment.

**CosmoKnacki** · 28/10/2017, 15h13

il sert d'exemple mais il est proche de la structure initial

Non, il ne sert à rien. Il n'est pas indenté (donc pour pouvoir se faire une idée de la structure, il faut se taper l'indentation soit même) et il comporte 5 balises orphelines (donc impossible connaître la structure au final). Pareil pour le JSON qui comporte des erreurs et qui est tronqué.

Rien ne t'oblige à poster ton fichier intégralement s'il est trop long ou si tu préfères ne pas afficher certaines informations, mais dans ce cas le minimum vital c'est de montrer une structure claire, sans aucune ambiguïté. Pour illustrer mon propos, avec le code que tu as fourni, il est impossible de dire si par exemple tes balises code sont oui ou non des descendantes de <div id="menu">. De même il sera par la suite impossible de parser le Json si celui-ci est mal formé.

parsing d'une page html

XML/XSL et SOAP

Discussions similaires

Partager

Partager