Discussion :

[mobscene]

Bonjour je voudrais pouvroir formater des pages web contenue dans mon tableau @web j'ai fait des essaie avec html::formattext et autre module faisant a peut près le même boulot sa marche mais pas avec tout les encodage ce qui est un problème pour moi.

J'ai fait quelque essaie avec de RegXp mais sa marche pas , je voudrais votre avis sur la question existe t'il un module ou une suite de regXp toute faite qui permet la formatage d'une page web.

J'ai trouvé Regexp::Assemble mais mon anglais n'est vraiment pas au point (c'est pas drole).

[nematoad]

Je voudrais bien te filer un coup de main avec Regexp::Assemble car son utilisation n'est pas très compliqué (enfin, je sais m'en servir), mais malheureusement je ne vois absolument pas comment tu pourrais utiliser des regexp pour formater une page.

Ce quoi que tu essaies de faire au juste ?

N

[mobscene]

J'essaier de formater des pages html pour en garder que le texte

[nematoad]

Je ne pense pas que Regexp::Assemble soit appropié. Qu'est-ce qu'y ne marche pas avec HTML::FormatText ?

Sinon, regardes du coté de HTML::Strip

N

[fafa624]

ok merci;
voilà de puis le temps que j'ai poser cette question, je n'arrete pas de progresser.
mon problème maintenant est le suivant:
apres avoir réussi à lire tout les fichier HTML ou HTM d'un répertoire; je voulez récupérer le texte qui est dans le fichier Html.
jusqu'au la j'ai un bon résultat en utilisant 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
 
#######################################
 
# usage : perl htmltotext.pl <rep>
use HTML::FormatText;
use HTML::TreeBuilder;
use Time::HiRes qw(gettimeofday);
my $debut = gettimeofday; # date de debut de programme
#le chemin vers le repertoire
my $dir=$ARGV[0];
#ouvrir le repertoire
opendir(DIR, $dir) or die "je ne peux pas : $!";
my @listeDeFichier= grep {/\.html?$/} (readdir DIR);
#ordonner les fichiers
my @listeOrdonnee = sort(@listeDeFichier);
#fermer le fichier
close(DIR);
#affiche quelques statistiques
print "+--------------------------------------------------+\n";
print "Nom du repértoire : $dir\n";
print "Nombre de fichiers : " . (scalar(@listeOrdonnee))."\n";
print "Noms des fichiers : ---------\n";
#Traitement sur la liste des fichier
foreach my $fichier (@listeOrdonnee) {
print "######################################\n";
print $dir.'/'.$fichier."\n";
my $taille = -s $dir."/".$fichier;
print "$fichier \t $taille octets\n";
 
$tree = HTML::TreeBuilder->new(); # create TreeBuilder
$tree->parse_file($dir."/".$fichier); # parse file
 
$formatter = HTML::FormatText->new(); # formatter object
open (R, ">$dir"."/"."$fichier.txt") || die "erreur de création du fichier :$fichier.txt\n";
my $texteTXT = ($formatter->format($tree));
$texteTXT =~ s/<[^>]+>//g;
$texteTXT =~ s/\[IMAGE\]//g;
#$texteTXT =~ s/(\n\s*)+/\n/g;
#$texteTXT =~ s/(--)+(-)?([.©\n]*)+//g;
print R $texteTXT;
close(R) || die "erreur de fermeture du fichier $fichier.txt\n";
}
my $tempsTotal = gettimeofday-$debut;
print "temps d\'execution total: $tempsTotal\n";

dans ce code en gros, j'ai fait apelle au module HTML::FormatText; et HTML::TreeBuilder;

il me reste un seul souci : je ne peux pas récuperer le text écrit dans des tableaux. moi je soupçone le HTML::TreeBuilder; qui ne prends pas en compte les tableau.
merci pour votre aide.

[djibril]

Mettez votre code entre balise code