Parser du HTML

**chatofor** · 28/07/2019, 11h47

Bonjour,

J'aimerais coder un site qui donne des statistiques concernant un forum que j'aime bien fréquenter. Par exemple pour un sujet donné, on saurait qui est la personne qui a posté le plus de messages, combien etc. C'est plus pour apprendre le PHP qu'autre chose.

Pour l'instant j'ai ce code :

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
<?php
require 'flight/Flight.php';
 
Flight::route('/', function(){
 
 
$ch = curl_init();
$timeout = 0; // set to zero for no timeout
curl_setopt ($ch, CURLOPT_URL, 'http://m.jeuxvideo.com/forums/42-51-60392683-1-0-1-0-la-flemme-est-genetique.htm#post_983955211');
curl_setopt ($ch, CURLOPT_RETURNTRANSFER, 1);
curl_setopt ($ch, CURLOPT_CONNECTTIMEOUT, $timeout);
$file_contents = curl_exec($ch);
curl_close($ch);
 
 
$dom = new DOMDocument;
libxml_use_internal_errors(true);
$dom->loadHTML($file_contents);
 
$xpath = new DOMXPath($dom);
$domExemple = $xpath->query("//div[@class='post']");
$date = $xpath->query("//div[@class='date-post']");
 
$result = [];
 
 
 
$i = 0;
foreach ($domExemple as $exemple) {
 
foreach($date as $datepost){
    $result[$i++] = ltrim($exemple->nodeValue);
	$result[$i++][$i] = $datepost->nodeValue;
}
 
}
 
?><pre><?php
 
print_r($result);?></pre><?php
 
});
 
Flight::start();

Ce que j'aimerais, c'est pour chaque message, le consigner dans un tableau qui contiendrait plusieurs clefs : auteur, date et message.

Seulement avec le code que j'ai, je patagauge, je vois pas du tout comment m'y prendre.

Quelqu'un aurait il la gentillesse de me donner un coup de main pour me mettre sur une piste ?

**CosmoKnacki** · 28/07/2019, 13h55

Pour moi tout va bien jusqu'à la ligne 21 (mis à part le nom de variable choisit qu'on va maintenant appeler $posts.

Donc $posts contient un liste de nœuds avec chaque post. Il suffit ensuite de boucler sur cette liste en utilisant chaque item comme point de départ de tes requêtes XPath (le deuxième paramètre de la méthode DOMXPath::evaluate) afin d'obtenir ce que tu souhaites. Donc quelque chose comme ça:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
$result = [];
 
foreach($posts as $post) {
 
    $result[] = [
        'author' => $xpath->evaluate('blah blah blah', $post),
        'date' => $xpath->evaluate('blah blah blah', $post),
        'message' => $xpath->evaluate('blah blah blah', $post)
    ];
}

Tu n'as plus qu'à décrire le chemin en partant du nœud post jusqu'à l'information et à t'arranger pour que DOMXPath::evaluate renvoie une chaîne.

**chatofor** · 29/07/2019, 09h30

Salut,

Ecoute je suis même allé sur la doc et chercher des exemples mais je ne comprends pas du tout ce que tu essaies de faire.

Il y a un div qui a la classe "date-post" et qui contient la date du post, est-ce que tu pourrais me donner un exemple avec ?

Merci

edit :

J'ai essayé ça :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
foreach($posts as $post) {
 
 
 
 
    $result[] = [
        'author' =>  $xpath->evaluate("string(//div[@class='who-post'])", $post),
        'date' => $xpath->evaluate("string(//div[@class='date-post'])", $post),
        'message' => $xpath->evaluate("string(//div[@class='contenu'])", $post)
    ];
}

Ca me donne :

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
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
Array
(
    [0] => Array
        (
            [author] => 
 
                            risikiki
 
 
            [date] => 
                    27 juillet 2019 à 17:46:26
 
            [message] => 
 
                                    https://www.huffingtonpost.fr/2013/04/10/flemme-question-genetique-selon-etude-americaine_n_3053828.html
 
 
                Lire la suite >
 
 
        )
 
    [1] => Array
        (
            [author] => 
 
                            risikiki
 
 
            [date] => 
                    27 juillet 2019 à 17:46:26
 
            [message] => 
 
                                    https://www.huffingtonpost.fr/2013/04/10/flemme-question-genetique-selon-etude-americaine_n_3053828.html
 
 
                Lire la suite >
 
 
        )
 
    [2] => Array
        (
            [author] => 
 
                            risikiki
 
 
            [date] => 
                    27 juillet 2019 à 17:46:26
 
            [message] => 
 
                                    https://www.huffingtonpost.fr/2013/04/10/flemme-question-genetique-selon-etude-americaine_n_3053828.html
 
 
                Lire la suite >
 
 
        )
 
    [3] => Array
        (
            [author] => 
 
                            risikiki
 
 
            [date] => 
                    27 juillet 2019 à 17:46:26
 
            [message] => 
 
                                    https://www.huffingtonpost.fr/2013/04/10/flemme-question-genetique-selon-etude-americaine_n_3053828.html
 
 
                Lire la suite >
 
 
        )
 
    [4] => Array
        (
            [author] => 
 
                            risikiki
 
 
            [date] => 
                    27 juillet 2019 à 17:46:26
 
            [message] => 
 
                                    https://www.huffingtonpost.fr/2013/04/10/flemme-question-genetique-selon-etude-americaine_n_3053828.html
 
 
                Lire la suite >
 
 
        )
 
)

Ca boucle sur le même message ?

**CosmoKnacki** · 29/07/2019, 11h34

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

$xpath->evaluate("string(//div[@class='date-post'])", $post)

**chatofor** · 30/07/2019, 08h45

Merci, ça semble fonctionner sauf que ça boucle sur le même post à chaque fois, tu comprends pourquoi ?

**CosmoKnacki** · 30/07/2019, 08h49

Oui, il faut partir du point d'origine dans ta requête XPath:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

string(.//div[@class='date-post'])

Sans quoi, le chemin part de la racine du site.

**chatofor** · 30/07/2019, 09h10

Merci CosmoKnacki, mais dis moi est-ce que tu peux me conseiller une saine lecture sur le sujet car je t'avoue que je suis largué...
Moi je veux parser du HTML et je ne trouve que des articles sur le XML

**grunk** · 30/07/2019, 16h45

Moi je veux parser du HTML et je ne trouve que des articles sur le XML

Ce qui est en soit est la même chose

**CosmoKnacki** · 30/07/2019, 18h59

Le fait que les articles parlent d'XML et pas d'html n'est pas un problème, en ce qui concerne les classes DOMBidule, ça s'utilise exactement de la même manière (mises à part les méthodes de chargement et d'enregistrement de DOMDocument). Armé d'un tutoriel XPath et du manuel PHP ont peu déjà faire pas mal de choses.

**chatofor** · 02/08/2019, 11h59

D'accord, c'est pas vraiment clair pour moi j'ai du mal à comprendre, je vais lire des tutoriels sur XPath et XML. Merci pour l'aide !

Parser du HTML

Langage PHP

Discussions similaires

Partager

Partager