extraire du texte d'un fichier html

**aamad** · 30/05/2010, 16h27

Bonjour,
je voudrais extraire le texte contenu dans un fichier HTML, entre les balises <title> et les balises ;
et extraire uniquement le texte, par exemple :
texte partie 1text partie2
je veux obtenir "texte partie1 + texte partie2" sans la balise au milieu.

Y a t'il une fonction/bibliothèque prédéfini pour faire cela en java ? ou autre ?

Merci

**vermine** · 30/05/2010, 17h05

Bonjour,

Que voulez-vous faire du texte ? A partir de où voulez-vous le récupérer et où voulez-vous le mettre ?

**Bisûnûrs** · 31/05/2010, 10h58

Quoi qu'il en soit, ça ne se fait certainement pas en HTML, mais par un langage de script (client ou serveur en fonction des besoins). Rappelons que le forum HTML n'est pas le fourre-tout du web.

**aamad** · 31/05/2010, 10h59

Bonjour,

Ce que je cherche est une partie d'un travail qui consiste a faire du text mining, l'application consiste à extraire des information d'un text.
Le choix c'est porté sur l'extraction des informations du contenu HTML ; j'ai pris le cas des pages de l'encyclopédie wikipedia, ou mon application extrait des informations essentielles d'une page wikipedia à partir d'une requete utilisateur.

La première étape donc consiste à extraire le contenu de la page HTML et le mettre dans un fichier texte ou XML, ensuite faire les traitements qu'il faut.

Merci de m'aider.