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
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
|
#############
### DEBUT ###
#############
#!/usr/local/bin/perl
use POSIX;
use CGI qw/:all /;
package HTMLStrip;
use base "HTML::Parser";
my $texte;
my $date;
my $titre_doc;
my $i = 0;
my @bloc;
my @bloc2;
my @bloc3;
my @blocfinal;
my @table; # table des fichiers
my $nmtable = 0; # n° du fichier HTML dans la table des fichiers
@table = glob('*.html'); # recup. la liste des fichiers HTML
$mode = '>';
$nmfichout = "temp.txt";
$nmfichout2 = "temp2.txt";
$nmfichout4 = "final.txt";
# DEBUT DE LA BOUCLE
while ($i < 10)
{
# TRAITEMENT
open (FICH, @table[$nmtable]) || die ("pas de fichier html dans le répertoire\n");
while (<FICH>)
{
if (/<h3>(.*?)<\/h3>/) # recup. date
{
#print "$1\n";
$date = "$1";
}
if (/<p class="reg">(.*?)<\/p>/) # recup. titre
{
#print "$1\n";
$titre_doc = "$1";
}
if (m{<p +class="tenor"[^>]*>}..m{</p>}) # recup. texte
{
$texte = $_;
push @bloc, $texte;
}
}
#print "$date\n";
#print "$titre\n";
#print "@bloc";
open(TEMP1, $mode, $nmfichout) or die("open: $!");
print TEMP1 @bloc;
close (TEMP1);
#######################
# TRAITEMENT DU TEXTE #
#######################
# 2 - RETIRE LES BALISES
open (FICH2, 'temp.txt') || die ("pas de fichier 1\n");
sub text
{
my ($self, $text) = @_;
print $text;
push @bloc2, $text;
}
my $p = new HTMLStrip;
while (<FICH2>)
{
$p->parse($_);
}
$p->eof;
open(TEMP2, $mode, $nmfichout2) or die("open: $!");
print TEMP2 @bloc2;
close (TEMP2);
close (FICH2);
# 2 - SUPPRIME LES SAUTS DE LIGNE
open (FICH3, 'temp2.txt') || die ("pas de fichier 1\n"); # fichier à traiter
while ($ligne = <FICH3>)
{
$ligne =~ s/\n//gs;
#$ligne =~ s/(^[ \t]+)|([ \t]+$)//gm;
push @bloc3, $ligne;
}
# FERMETURE DES FICHIERS 0 et 3
close (FICH3);
close (FICH);
# PLACER DANS LE BLOC LES VARIABLES RECUPEREES
@blocfinal = $date.'#'.$titre_doc.'#'."@bloc3\n";
# RECOMMENCE LA BOUCLE
unlink ( "temp.txt" );
unlink ( "temp2.txt" );
#sleep(1);
$nmtable++;
$i++;
}
##############################################
# ECRITURE FINAL DANS LE FICHIER 'final.txt' #
##############################################
open(OUT, $mode, $nmfichout4) or die("open: $!");
print OUT @blocfinal;
close (OUT); |
Extraction d'un paragraphe
,
). Mais je ne sais pas comment m'en sortir. Qu'en pensez-vous s'il vous plaît ? Si quelqu'un à une idée, ce serait plus que bienvenu. En vous remerciant tous par avance pour toute réponse.
Répondre avec citation
Envoyé par Schmorgluck
).
arser, pendant plusieurs heures, sans résultat vraiment intéressant... mais je suis sûr que les choses vont changer avec le code d'Iblis et avec un peu de pugnacité de ma part // en particulier le 1er exemple, qui semble à la fois très court et efficace]. Merci 1000 fois donc.
Partager