Discussion :

[nechalus]

Bonjour

Je cherche des informations qui peuvent m'aider à poursuivre mon projet de fin d'année..
En fait, je travaille actuellement sur une tâche portant sur le filtrage des pages web.
Autrement dit, lorsque un utilisateur cherche dans google, au lieu de lui afficher les pages html, on va filtrer ces pages (c'est à dire garder uniquement l'information pertinente recherchée et éliminer tous ce qui est code html et toutes les informations relatives à google) en générant des fichiers XML.
Je vous prie de me donner des recommandations concernant ce problème.
Merci d'avance

[dinobogan]

Je vous prie de me donner des recommandations concernant ce problème.

Tu as exposé pleins de problèmes possibles. Dis nous exactement ce qui te pose problème en premier. C'est un sujet à aborder par étape.

[nechalus]

Bonjour,
En fait, je cherche dans un premier temps de nettoyer un fichier html, en supprimant tous ce qui est code HTML,CSS,PHP ....
Et je dois avoir en sortie un ficheir xml contenant le contenu brute de fichier html ainsi nettoyé.

[Morbo]

T'as des outils open source pour faire une conversion vers XML
http://sourceforge.net/projects/light-html2xml/
Tu pourras filtrer ce que tu veux en xml après

Sinon t'as des parser HTML pour filtrer plus tôt :
http://nekohtml.sourceforge.net/