Discussion :

[yazen]

Bonjour,
Je cherche à récupérer le contenu texte d’une page html câd le contenu sans du code html.
J’ai cherché également à transformer mes pages html en des fichiers texte pour les parcourir ensuite et récupérer un contenu texte brut .mais je trouve pas comment.
Donc si quelqu’un a des idées, merci de bien m’aider

Asp.net/c#

[Kaidan]

Bonjour,

Il suffit d'utiliser une expression régulière : <[^>]+>

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

string nohtml = Regex.Replace(html, "<[^>]+>", "")

Bien entendu, il faut peut-être convertir les <br/> en \r\n avant.

[yazen]

Mais il y a bcp de balise :<h1>, <spane>…et bien autres balises ce qui fait que j’aurai bien des problèmes

[Kaidan]

Bonjour,

Normalement cette expression régulière supprime toutes les balises d'un coup.

[yazen]

string nohtml = Regex.Replace(html, "<[^>]+>", "")
Regex:c'est la chaine qui contient du code html??
de meme pour la variable html??
parceque j'ai jamais utiliser les exp regulieres !

[yazen]

string nohtml = Regex.Replace(html, "<[^>]+>", "")
Regex:c'est la chaine qui contient du code html??
de meme pour la variable html??
parceque j'ai jamais utiliser les exp regulieres !
merci pour votre patience

[Kaidan]

Bonjour,

Regex est une classe de l'espace de nom System.Text.RegularExpressions.
La méthode Regex.Replace est dans ce cas une méthode statique de la classe Regex.
Il est également possible de créer une instance de cette classe et d'utiliser la méthode d'instance, ce qui est plus performant lorsqu'il y a des modifications à effectuer sur plusieurs string à la chaîne.

html est une string qui contient le contenu html. Toutes les balises seront supprimées d'un seul coup.

[yazen]

marci je vais aesayer ca