Discussion :

[sebbb59]

Bonsoir,

je souhaites parser une page web afin de récuperer du texte entre des balises <b>texte<b>

J'ai regardé le post http://www.developpez.net/forums/d32...e-html-parser/ qui traite d'un sujet similaire et de l'utilisation de HTML:arser.

J'ai adapté le code comme suit :

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
#!/usr/bin/perl
use strict; 
use warnings;
 
use HTML::Parser;
 
my $page = "C:\\Perl\\web.htm";
 
# création de mon parser
my $parser = HTML::Parser->new();
 
# définition des mes evenements
$parser->handler( text => \&text, "dtext" );
$parser->handler( start => \&start, "tagname,attr" );
$parser->handler( end => \&end, "tagname" );
 
$parser->parse($page);
 
print get_data();
 
{
  my $in;
  my @data;
 
  sub start {
    my ($tag, $attr) = @_;
    $in++ if $tag eq '<b>' and $attr->{class} eq '*';
  }
 
  sub end {
    my ($tag) = @_;
    $in-- if $tag eq '<b>' and $in;
  }
 
  sub text {
    my ($text) = @_;
    push @data, $text if $in;
  }
 
  sub get_data {
    return @data;
  }
}
exit;

mais rien ne s'affiche.

J'ai remarqué dans les autres cas que les balises était suivi d'une expression ce qui n'est pas le cas de <b> et donc le problème pourrai venir de là cependant ça me dépasse.

Que la force de Jedaï soit avec moi lool

[iblis]

Si tu veux le contenu entre balises sans attributs, alors effectivement, ne te souci pas des attributs, teste simplement le nom du tag (sans les < >):

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
  sub start {
    my ($tag, $attr) = @_;
    $in++ if $tag eq 'b';
  }

Je te l'ai un peu réécris pour que ce soit plus facile à comprendre:

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
#!/usr/bin/perl -w
use strict;
use LWP::Simple;
use HTML::Parser;
 
my $tag = 'b';
 
my $source = shift || 'http://developpez.com/';
my $page = get($source)
	or die "Couldn't get $source: $!\n";
 
my $parser = HTML::Parser->new( api_version => 3,
						 start_h => [\&start,"tagname"],
						 text_h => [\&text,"text"],
						 end_h => [\&end,"tagname"],
							 );
my $intag_flag = 0;
my @intags;
 
sub start {
	my ($tagname) = @_;
	$intag_flag = 1 if $tagname eq $tag;
}
sub text {
	my ($text) = @_;
	if ($intag_flag) {
		push @intags, $text;
	}
}
sub end {
	my ($tagname) = @_;
	$intag_flag = 0 if ($tagname eq $tag);
}
 
 
$parser->parse($page);
$parser->eof;	
 
print map {"$_\n"} @intags;

Regarde la doc du module ou redemande si quelque chose t'échappe.

[Vieux_Lars]

J'ai une question concernant le handler "start".

Est-il possible d'accéder au contenu du champ de la balise (ce qui est normalement traité par le handler "text") depuis le handler start ?

Je donne un exemple :

<a href="http://www.monurl.com">mon texte</a>

normalement, le handler "start" va nous permettre via $attr->{href} de récupérer l'URL, mais comme je souhaiterais pouvoir construire une hashtable qui possède par exemple en clef l'url, et le texte en valeur correspondante, comment puis-je faire, puisque normalement c'est dans le handler "text" que je vais pouvoir récupérer la valeur de ma balise ?

Merci d'avance à vous.