Lecture du code html entre deux balises

Version imprimable

08/05/2012, 14h56
deubelte

Lecture du code html entre deux balises

Bonjour
Quelle est la meilleure facon de lire du code html entre deux balises?
J'ai trouvé cette solution:

Code:

preg_match('/<body>(.*?)<\/body>/s', $data, $matches);

mais selon vous, est-ce une bonne idée, et est-ce la meilleure?
merci
08/05/2012, 15h06
rawsrc

Bonjour,

Pour parser du HTML cest DOMDocument
Tout autre idée est une hérésie.

stealth35 sort de ce corps :ptdr:
08/05/2012, 16h04
deubelte

ok merci
mais comment puis-je convertir du html en xml?
Je veux par exemple récupérer le texte qui se trouve dans la balise
<p align="justify"> de ce lien html:
view-source:http://www.lygeros.org/5715-gr.html

Ce que tu souhaites faire relève du data-mining et il vaut mieux avoir l'autorisation du site ciblé.
Ensuite le HTML est déjà du XML.
Pour la sélection du paragraphe voulu c'est du DOMXPath.
Comme ça :
Code:

1 2 3 4 5 6 7 8 9 10 11 12 $data = file_get_contents('http://www.lygeros.org/5715-gr.html'); if ($data === false) { exit; } $dom = new DOMDocument(); $dom->loadHTML($data); $xpath = new DOMXPath($dom); $nodes = $xpath->query('p[@align="justify"]'); foreach($nodes as $node) { $txt = $node->textContent; }
Enfin un truc de ce genre.

08/05/2012, 19h51
deubelte

Citation:

Ce que tu souhaites faire relève du data-mining et il vaut mieux avoir l'autorisation du site ciblé.

C'est mon propre site.

Citation:

Pour la sélection du paragraphe voulu c'est du DOMXPath.

merci je regarde

en fait, voici ce que je veux faire.
J'ai des fichiers sur un site web qui résultent d'une mauvaise utilisation du php. Il se présentent sous cette forme:
Les balises hauti permettent d'injecter le code html.
Code:

1 2 3 4 5 6 7 8 9 10 11 12 13 <? include ('hauti.inc'); ?> Chant d’honneur <? include ('hauti2.inc'); ?> Chant d’honneur <? include ('hauti3.inc'); ?> 2013 <? include ('hauti4.inc'); ?> Nous écoutions le chant d’antan<br/> comme si c’était une prière.<br/> Nous aimions ces sonorités<br/> ......... <? include ('hauti5.inc'); ?>
Ce qui donne ceci:
http://www.lygeros.org/2013-fr.php

Je voudrais paser les fichiers pour récupérer le texte qui se trouvent entre les balises <?...?>. Mais je ne vois pas trop comment faire. Utiliser des regex?
J'ai voulu faire ceci:

Code:

$texte=preg_split("/[\s]*[<?*?>][\s]*/", $texte);

Qu'en pensez vous? Je pense qu'il risque d'y avoir un problème s'il y a des points d'interrogation dans le texte.
De plus j'aimerais aussi récupérer le nom des balises (hauti5, hauti1...) pour savoir à quoi j'ai affaire
Merci

16/05/2012, 13h55
Halex78

Hello, déjà pour matcher du contenu entre deux balises, il serait bon d'utiliser l'option "U" si plusieurs balises existent dans ton texte.
Il faut échapper les ?.
Ensuite ta regex ne me semble pas très adaptée à ce que tu veux faire. Moi j'aurais plutôt utilisé ça :

Code:

preg_match_all('#<\?(.*)\?>#Us', $texte,$TabResultats);

Et tu récupères tes résultats dans le tableau $TabResultats[1]

De quelles balises parles-tu ? (hauti1,...)