Discussion :

[Exca]

Bonjour à tous,

je débute un peu dans les expressions régulières et je me confronte à un soucis.

J'ai récupéré le code HTML d'une page web dans une variable et j'essaie de récupérer des valeurs (la définition du parser HTML quoi )

Par exemple :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
<td bgcolor="#D4D4D4" width="72" align="center">12</td>
<td bgcolor="#D4D4D4" width="77" align="center">12/08/10</td>
<td width="60" align="center" bgcolor="#E7E7E7"></td>
<td width="62" align="center" bgcolor="#E7E7E7">???</td>
<td align="center" bgcolor="#E7E7E7">Dénominateur</td>

J'aimerais extraire les valeurs suivantes : "12", "12/08/10", "Dénominateur"

En gros, trouver toutes les valeurs X :

<td bgcolor="#D4D4D4" width="72" align="center">X<
<td bgcolor="#D4D4D4" width="77" align="center">X<
<td align="center" bgcolor="#E7E7E7">X<

Faut-il passer par preg_match_all pour chaque type de masque ? preg_match_all est bien la fonction a utiliser ? Quel masque utiliser ?

Je m'y perds un peu ^^

Merci pour votre aide !

[Exca]

Premier essai mais c'est un echec

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
$machaine = '<td bgcolor="#D4D4D4" width="72" align="center">12</td>';
 
preg_match_all("#<td bgcolor=\"#D4D4D4\" width=\"72\" align=\"center\">([0-9]{2})</td>#", $machaine, $m);
 
echo $m[1];

[Eric2a]

Salut,

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

preg_match_all('%<td[^>]*?>(.*?)</td>%si', $str, $res, PREG_PATTERN_ORDER);

Donne

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
Array (
	[0] => Array (
		[0] => <td bgcolor="#D4D4D4" width="72" align="center">12</td>
		[1] => <td bgcolor="#D4D4D4" width="77" align="center">12/08/10</td>
		[2] => <td width="60" align="center" bgcolor="#E7E7E7"></td>
		[3] => <td width="62" align="center" bgcolor="#E7E7E7">???</td>
		[4] => <td align="center" bgcolor="#E7E7E7">Dénominateur</td>
	)
	[1] => Array (
		[0] => 12
		[1] => 12/08/10
		[2] => 
		[3] => ???
		[4] => Dénominateur
	)
)

EDIT : Et aussi...

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

preg_match_all('%<td (?:bgcolor="#D4D4D4" width="7[2|7]" align="center"|align="center" bgcolor="#E7E7E7")>(.*?)</td>%si', $str, $res, PREG_PATTERN_ORDER)

Donne

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
Array (
	[0] => Array (
		[0] => <td bgcolor="#D4D4D4" width="72" align="center">12</td>
		[1] => <td bgcolor="#D4D4D4" width="77" align="center">12/08/10</td>
		[2] => <td align="center" bgcolor="#E7E7E7">Dénominateur</td>
	)
	[1] => Array (
		[0] => 12
		[1] => 12/08/10
		[2] => Dénominateur
	) 
)

[Exca]

Merci beaucoup

[samtheh]

désolé de resortir le sujet mais mon problème est très proche de celui évoqué.

Voici la chaine que j'essaye d'analyser :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
 
<td nowrap="nowrap" class="date">
				23 sept<br>10:56
			</td>

Avec le code suivant :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
 
preg_match_all("%<td[^>]*?>(.*)</td>%",$ligne,$tmp,PREG_PATTERN_ORDER);
print_r($tmp);

Et voici ce que j'obtiens :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
 
Array ( [0] => Array ( ) [1] => Array ( ) )

Je ne comprend pas ou est mon erreur....je me demande si ce n'est pas à cause des sauts de ligne.
Merci de votre aide.

[stealth35]

DOMDocument pour parser du HTML

[Eric2a]

Je me demande si ce n'est pas à cause des sauts de ligne.

Pour prendre en compte les sauts de ligne, il faut ajouter l'option s

%<td[^>]*?>(.*)</td>%s

Mais entre temps, stealth35 a démontré, et ceci à plusieurs reprises, qu'il y a plus adapté...

DOMDocument pour parser du HTML

@stealth35 : À quand un tutoriel sur DVD

[stealth35]

@stealth35 : À quand un tutoriel sur DVD

en VHS

[Doc_xhtml]

Un tutoriel DOMDocument exclusivement orienté html serait en effet plus que bienvenu. DOMDocument et DOMXPath sont des outils puissants mais leur apprentissage, par ce que j'ai pu expérimenter, n'est pas vraiment évident.

Je ne promets rien, mais si ma charge de travail le permet, j'aimerais rédiger ce tutoriel, non en qualité de spécialiste (je suis très loin de l'être), mais en tant qu'ancien débutant (pas encore véritablement pro) ayant dû, pour son premier travail en DOMDocument et DOMXPath, se heurter à pas mal de difficultés et d'incompréhensions sur un projet xhtml concret et complexe.
Je pense donc que je saurai rédiger ce tuto en fonction.

Mais, encore une fois, je ne promets rien.

[samtheh]

J'obtiens le même résultat....

Si il y a une méthode plus adaptée je suis preneur, quand sortira le tuto évoqué ?

[Doc_xhtml]

quand sortira le tuto évoqué ?

Bonjour,

Ce n'est pas pour tout de suite. Il faut d'abord que je termine et livre le projet que je mentionnais dans mon intervention précédente.

Mais je commence à y penser.

[stealth35]

c'est quand même plus compréhensible de faire :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
$doc = new DOMDocument();
$doc->loadHTML($html);
 
$tds = $doc->getElementsByTagName('td');
 
foreach($tds as $td) {
    var_dump($td->nodeValue);
}

en javascript personne ne fait des regex sur un innerHTML, on utilise l'API classique du DOM

[samtheh]

Beaucoup mieux J'aime beaucoup

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
 
$doc = new DOMDocument();
		$doc->loadHTML($data_brut);
 
		$trs = $doc->getElementsByTagName('tr');
 
		foreach($trs as $tr) {
			//echo $doc->saveXML($tr);
 
			echo "<tr>";
			foreach($tr->getElementsByTagName('td') as $td) {
				//var_dump($td->nodeValue);
 
				echo "<td>".trim($td->nodeValue)."</td>";
 
			}
			echo "</tr>";
 
		}

[stealth35]

pas besoin de boucler sur le tr le td ira chercher tout les td