Discussion :

[shawty]

Bonjour,

Sachant que les balises sont distinguables grâce à des attributs de type class, quel moyen est le plus rapide selon vous entre JDOM et XPATH, afin de récupérer les valeurs affichées ?

voici un exemple de la page html:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
 
<td class="tvs_td_numero" headers="train_id_0 numero_id">
    848566			
</td>
<td class="tvs_td_originedestination" headers="train_id_0 originedestination_id">
    PARIS-NORD
</td>

merci pour vos réponses

[alain.couthures]

Sauf erreur de ma part, JDOM ne permettra pas de cibler directement les éléments ayant l'attribut en question : il faudra tout parcourir depuis la racine, de fils en fils.

XPath est là pour permettre de trouver les éléments selon une requête.

En terme de performances, on peut bien penser que XPath fait, tout de même, bien la même chose, à savoir parcourir toute l'arborescence mais on peut souhaiter que ce soit fait de la manière la plus optimisée possible...

En conclusion, entre un code concis et supposé efficace et un code plus ou moins long, je choisirais XPath sans hésitation.

Autre point, êtes-vous sûr à 100% que le code HTML que vous voulez parser est toujours du XML bien formé ? Je vois souvent des pages déclarées XHTML qui, en fait, ne sont même pas bien formées... Je me suis fait une fonction pour forcer cela (actuellement seulement en C# et en PHP, un portage Java devant avoir lieu bientôt), le tout étant téléchargeable sur SourceForge (http://sourceforge.net/projects/light-html2xml).

[shawty]

D'accord, je pense que je vais partir sur XPATH.
Cependant je n'ai pas encore vérifié si le fichier est bien formé, cela peut empêcher le bon fonctionnement des requêtes XPATH le cas échéant ?

[alain.couthures]

Si le document n'est pas bien formé, il ne peut même pas être chargé en mémoire !

[shawty]

Oui, je viens de tester et à cause de fonctions javascripts, la construction du Dom plante, il faudrait pouvoir éliminer les parties javascript.

[alain.couthures]

C'est pour cela que la fonction que j'ai écrite met le contenu des balises script en CDATA.