Comment lire le code source(html) d'une page et le stocké dans une string

Version imprimable

30/12/2010, 12h12
unix27

Comment lire le code source(html) d'une page et le stocké dans une string
Bonjour, je souhaite créer une fonction qui prend comme paramétre l'url d'une page html(toto.htm) et qui stock le code source <html>...</html> dans une string
Par exemple j'ai la page html(toto.htm) suivante:
Code:

1 2 3 4 5 6 <html> <title>...</title> <head>...</head> <body>hello wold</body> </html>
Le résultat voulu comme output est la chaine hello wold ;)
j'ai besoin dans un premier temps de stoker tout le code html dans une string ensuite utilisé une fonction qui afficher le texte d'élimiter par <body></body>
Merci:ccool:
30/12/2010, 12h24
Madfrix

Bonjour,

regarde ici
30/12/2010, 12h26
unix27

Merci je regarde cela et je fait un retour :ccool:
05/01/2011, 23h09
jonoz

Pour lire la source de la page : curl.

Pour ne conserver que le body : n'importe quel outil qui sait traiter du xml (par exemple : SimpleXml) ou une expression régulière.
06/01/2011, 00h49
stealth35

Citation:

Envoyé par jonoz

Pour lire la source de la page : curl.

Pour ne conserver que le body : n'importe quel outil qui sait traiter du xml (par exemple : SimpleXml) ou une expression régulière.

pourquoi curl ?
pourquoi SimpleXML alors que c'est du HTML ?

Salut,

Code:

1
2
3
4
5
$html=file_get_contents('http://www.example.com/');
if(preg_match('%.*?<html[^>]*>.*?<head>.*?<title>.*?</title>.*?</head>.*?<body[^>]*>(.*?)</body>.*?</html>%si',$html,$m))
	$body=$m[1];
 else
	$body='';

06/01/2011, 09h06
jonoz

Citation:

Envoyé par stealth35

pourquoi curl ?
pourquoi SimpleXML alors que c'est du HTML ?

Pourquoi Curl ? Parce qu'en en moyenne 40% plus rapide, je vous invite à faire le test. De plus, curl offre des fonctionnalités supplémentaires intéressantes (ex: peut passer par un proxy).

XHTML étant du xml, la façon correcte de le traiter est d'utiliser un outil qui permet de manipuler le DOM. S'il s'agit de html 4, effectivement cette méthode est plus délicate mais tout dépend de la structure du document.

Maintenant, l'expression régulière donnée par Eric2a revient au même si l'on veut juste récupérer le contenu comme chaîne de texte (c'est même un peu plus simple) sans faire de traitement lié à la hiérarchie du document.

Ayant eu à travailler sur des problématiques d'extraction d'éléments dom à partir de pages distantes, j'avais utilisé curl + SimpleXML, ça faisait très bien l'affaire.
06/01/2011, 10h26
stealth35

Citation:

Envoyé par jonoz

Pourquoi Curl ? Parce qu'en en moyenne 40% plus rapide, je vous invite à faire le test. De plus, curl offre des fonctionnalités supplémentaires intéressantes (ex: peut passer par un proxy).

le gain est minime par rapport a un wrapper classique, seul le temps de réponse du serveur distant est importante, et ceux qui non pas curl ?
pour le proxy tu peux aussi le faire avec le wrapper classique,
http://www.php.net/manual/en/context.http.php

Citation:

Envoyé par jonoz

XHTML étant du xml, la façon correcte de le traiter est d'utiliser un outil qui permet de manipuler le DOM. S'il s'agit de html 4, effectivement cette méthode est plus délicate mais tout dépend de la structure du document.

attention HTML et XML c'est 2 choses différentes, le DOM étant leur parent, avec SimpleXML tu peux lire du XML et du XHTML, avec DOMDocument::loadHTML(File) du XHTML et du HTML

C'est toujours plus simple d'utiliser les outils adaptés ;)

Lui en plus veux un système de template non ?
06/01/2011, 10h59
jonoz

Citation:

Envoyé par stealth35

le gain est minime par rapport a un wrapper classique, seul le temps de réponse du serveur distant est importante, et ceux qui non pas curl ?
pour le proxy tu peux aussi le faire avec le wrapper classique,
http://www.php.net/manual/en/context.http.php

Il me semble que celà fonctionne effectivement si le proxy ne requiert pas d'authentification.

Pour les perfs, 40% c'est non-négligeable quand le volume est conséquent.

Citation:

Envoyé par stealth35

attention HTML et XML c'est 2 choses différentes, le DOM étant leur parent, avec SimpleXML tu peux lire du XML et du XHTML, avec DOMDocument::loadHTML(File) du XHTML et du HTML

C'est toujours plus simple d'utiliser les outils adaptés ;)

Lui en plus veux un système de template non ?

Tout à fait!

Pour le système de template, je ne vois pas vraiment ce que vous voulez dire.

il veux pas récupérer Hello Word il veux écrire Hello Word par rapport a un fichier de template

template.html :
Code:

1 2 3 4 5 <html> <title>...</title> <head>...</head> <body></body> </html>
ensuite la fonction
Code:

1 2 3 4 5 6 7 8 9 echo lafonction('Hello Word', 'template.html'); /* <html> <title>...</title> <head>...</head> <body>Hello Word</body> </html> */

Citation:
Envoyé par stealth35
il veux pas récupérer Hello Word il veux écrire Hello Word par rapport a un fichier de template

template.html :
Code:

1 2 3 4 5 <html> <title>...</title> <head>...</head> <body></body> </html>
ensuite la fonction
Code:

1 2 3 4 5 6 7 8 9 echo lafonction('Hello Word', 'template.html'); /* <html> <title>...</title> <head>...</head> <body>Hello Word</body> </html> */
en fait je souhaite récupéré hello wold:(
en +
Code:

1 2 3 4 <?php $homepage = file_get_contents('http://www.test.html'); echo $homepage; ?>
n'affiche pas le code html

29/05/2011, 11h55
Shikiryu
1- Comme il est dit : "CURL, c'est bien quand y a du volume" mais sinon...
2- simpleXML, c'est bien pour le XML et XHTML (seulement s'il est bien codé, sinon, c'est la m****. Et perso, je ne fais pas confiance au HTML des autres ;))
3-
Code:

1 2 3 4 <?php $homepage = file_get_contents('http://www.test.html'); echo $homepage; ?>
Normal, là ton serveur envoi le code HTML et sera interprété comme tel par le navigateur (et donc parsé et affiché)...

Si tu veux afficher le code source directement, soit tu modifies le header, soit tu entoures ce que tu "echo" avec <pre>, <code> ou <xmp>

Fuseau horaire GMT +2. Il est actuellement 20h06.