Discussion :

[svince]

Bonjour à toutes et à tous !
Je souhaite récupérer le contenu d'un fichier html; pour cela, j'ai pensé utiliser html parser (http://htmlparser.sourceforge.net/). Mais les exemples fournis et la javadoc sont bien obscurs pour moi, pauvre débutant.
Ce que je souhaite faire c'est :
--> extraire tous les éléments en gras (entre balises <b> et </b>)
--> extraire le titre du document (balises <title>)

Mes questions sont les suivantes :
- est-ce faisable ?
-une piste ? (claire ;0) )

Merci d'avance !

Gérald

[bracket]

oui s'est bien fesable a l'aide des expressions regulier, il y a tout un cours a suivre la deçus, si tu veux bien les metriser il faut suivre un cours de compilation.

[gifffftane]

Essaie avec NekoHTML. Je te conseille de faire une recherche là dessus sur developpez.net, cela pourra t'aider à te faire une opinion.

[Uther]

Si tu veux juste simplement extraire tout ce qu'il y a contenu entre deux balises, pas la peine de recourir a un parseur, les expressions régulières suffisent amplement : lien javadoc

Par exemple pour extraire le titre:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
 
String getTitle(String html){
     Pattern p = Pattern.compile("<title>(.*)</title>");
     Matcher m = p.matcher(html);
     if (m.matches()) return m.group(1);
     else return null;
}

[lahmar.abdel1]

Bonjour,

J'ai essayé ton code mais ça n'a pas marché : il me retourne toujours rien.
Voici mon code, en fait je voudrai récupérer un message qui est délimité par une balise "span".

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
Pattern p = Pattern.compile("<span class=\"uFDiv3\">(.*)</span>");
Matcher m = p.matcher("http://some-url");
	     if (m.matches()) 
	    	 System.out.println("le contenu est : " + m.group(1));//.group(1));
	     else System.out.println("le contenu est vide");

Le message affiché sous la console est toujours "le contenu est vide", par contre je vérifie l'url et je trouve de contenu. Je ne sais pas pourquoi il me fait ça.

Merci.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
     Pattern p = Pattern.compile("<title>(.*)</title>");
     Matcher m = p.matcher(html);
     if (m.matches()) return m.group(1);
     else return null;

[Uther]

Dans le code que tu poste tu cherche le texte entre les balise dans la chaine de caractères "http://some-url" qui bien évidement ne contient pas ces balises.

Si j'ai bien compris tu voudrais chercher dans la page à l'adresse "http://some-url"? Dans ce cas la il te faut la charge auparavant via openConnection() de la classe URL.