Discussion :

[Aspic]

Bonjour à tous,

Je souhaite créer un moteur de recherche interne à mon site et donc je dois récupérer le contenu texte de mes pages Html.

J'utilise donc la fonction strip_tags pour supprimer tout le HTML et le PHP. Cool

Probleme Avec cette fonction, il me supprime aussi tout le texte ==> resultat, ma chaine retourne ""

J'ai donc essayé de trouver une autre fonction similaire :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

 $tout = ereg_replace("<[^>]*>", "", $tout);

mais il reste encore le code JabaScript et PHP a supprimer...

Avec cette commande :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

	$tout = ereg_replace("<script[^>]*>(.|\n)*</script>(\r\n)?", "", $tout);

ca ne marche pas, le code Javascript est toujours la

Avez vous une solution pour récupérer uniquement le texte de toute mes pages ?

Merci de votre soutient

[Xunil]

J'ai testé ton code, et chez moi, il fonctionne bien

Sinon, essaie avec preg_split()

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
$tout = preg_split('#<script[^>]*>(.*)</script>#Usi', $tout);
 
echo implode('', $tout);

[Aspic]

Salut oui mon code marchait, j'avais mis dans le mauvais ordre les commandes...

Mais maintenant je rencontre un autre probleme logique , en fait il indexe les menus de mon site (ce sont des liens hypertextes présents sur toutes les pages) et donc il suffit que je tape "informatique" par exemple et il me trouve 112 résultats !! (et pour info, j'ai 112 pages dans mon site).

Donc je me casse la tete a essayer de virer les liens de mes menus lors de l'indexation mais sans resultat.

Voila mon nouveau probleme

EDIT : J'ai une idée mais je ne sias pas si c'est faisable. J'utilise DreamWeaver et donc chaque contenu qui doit etre indexé se trouve entre les balises :

<!-- InstanceBeginEditable name="Principale" -->
contenu ici.....
....
blabla...
<!-- InstanceEndEditable -->

Est-il possible de récupérer le code entre ces deux balises ? Ensuite reste plus qu'a virer le Html avec les Regex et le tour est joué

[Xunil]

J'ai pas vraiment bien compris ton système d'indexage.

Sinon, pour récupérer les contenus de ces délimiteurs, ça devrait faire simplement

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
$reg_macth_all('#<!-- InstanceBeginEditable name="Principale" -->(.+)<!-- InstanceEndEditable -->#Us', $tout, $sortie);
 
print_r($sortie[1]);

[Aspic]

Merci c'est bon j'ai reussi à récupérer le contenu de mes pages !

PS : Si tu connais des scripts de moteur de recherche interne pratique avec indexation automatique des pages web de ton site, dis le moi car le mien que j'ai bien bidouillé est un peu lent

Sujet partiellement résolu