Aide à extraire un bloc d'un code HTML/XML

Bonjour,

J'utilise Web-Harvest pour récupérer des données à partir de sites web, le logiciel transforme les pages webs en xml et se base sur les chemins xPath que je lui fourni pour récupérer les données souhaités.

Maintenant je travaille sur une page de ce format [code source en pastebin]: http://pastebin.com/M07UFUax

où j'ai montré les bloc que j'aimerai récupérer. chaque bloque doit être retourné comme un seul ensemble.

le chemin xPath du premier élément du bloc est: //div[@id="layer22"]/b/span[@style="background-color: #FFFF99"]
je l'ai bien testé et ça donne bien tous les élements "Début de bloc".

le chemin xPath du dernier élément du bloc est: //div[@id="layer22"]/a[contains(.,"Joindre")]
je l'ai bien testé et ça donne bien tous les élements "Fin de bloc".

Maintenant ce que je veux c'est récupérer tous les bloc en entier. Ce que j'ai du mal à réaliser.

Le chemin xPath devrait retourner un ensemble des blocs visé tel que:
(cheminXpathRecherché)[1] = tous les élements du bloc 1
(cheminXpathRecherché)[2] = tous les élements du bloc 2
....

En vous remerciant d'avance

Cela n'est pas possible.

Ton Début bloc est situé dans une balise <b> et ton Fin bloc lui, n'y est pas.
XPath ne peut te regrouper que des balises avec tout leur contenu, pas "commencer au milieu de cette balise et s'arrêter au milieu de celle-ci."

Si tu as un besoin précis (par exemple, tu te fiches des balises, tu ne veux que le texte qu'elles contiennent,) il existe peut-être un moyen de faire ces regroupements en utilisant les outils avancés de XPath 2.0. Mais, je ne les connais pas.

Oh, le <b> ne pose pas problème, je sous entendais avoir tous ce qu'il y a entre <b> Début bloc </b> et <b> Fin bloc </b>

Ben, même raisonnement sur le <div> au-dessus, alors.
Tu ne peut pas avoir un seul regroupement qui commence au milieu du div et s'arrête un peu plus loin dans le <div>.

Soit tu le prends en entier, soit chaque truc que tu en prends a son propre index. Tu ne peux pas regrouper "juste un bout de ce <div>" en un seul morceau.