Détection d'un Tag dans un fichier XHTML

Version imprimable

15/02/2016, 21h09
BernardBouree

Détection d'un Tag dans un fichier XHTML

Bonjour

Dans un fichier assez complexe d'une page Web j'ai une ligne du type:

Code:

<div class="global-menu-name"><img src="images/fleche_coude.png" /><a href="hhhhh">Prénom</a> <a href="kkkkkkkkk">Nom</a></div>

Pour détecter et décoder cette ligne j'ai essayer plusieurs methodes du HTMLAgilityPack comme:

Code:

Dim DivId As HtmlNode = HtmlDoc.DocumentNode.SelectSingleNode("//div[@class='global-menu-name']")

Mais j'obtiens systématiquement un Nothing.
La raison est que ce DIV n'est pas un fils direct de Body mais que la complexité du Xhtml est telle que je n'arrive pas à déterminer son chemin.

Donc comment faire pour détecter un noeud dont on ne connais pas le chemin ?

Merci

Bernard

Tu peux parcourir les enfants du noeud principal (DIV) et chercher les noeuds A :

Code:

1
2
Dim prenom = divId.ChildNodes.SingleOrDefault(Function(c) c.Name = "a" AndAlso c.Attributes("href") IsNot Nothing AndAlso c.Attributes("href").Value = "hhhhh").InnerText
Dim nom = divId.ChildNodes.SingleOrDefault(Function(c) c.Name = "a" AndAlso c.Attributes("href") IsNot Nothing AndAlso c.Attributes("href").Value = "kkkkkkkkk").InnerText

Ou un peu plus simplement avec un foreach (ca revient au même) :

Code:

1
2
3
4
5
6
7
8
9
10
Dim prenom = String.Empty
Dim nom = String.Empty
 
For Each child As var In divId.ChildNodes
	If child.Name = "a" AndAlso child.Attributes("href") IsNot Nothing AndAlso child.Attributes("href").Value = "hhhhh" Then
		prenom = child.InnerText
	ElseIf child.Name = "a" AndAlso child.Attributes("href") IsNot Nothing AndAlso child.Attributes("href").Value = "kkkkkkkkk" Then
		nom = child.InnerText
	End If
Next

16/02/2016, 18h32
BernardBouree

Bonjour

Le problème est que je n'arrive pas à détecter la ligne et que

Code:

Dim DivId As HtmlNode = HtmlDoc.DocumentNode.SelectSingleNode("//div[@class='global-menu-name']")

me renvoie Nothing !

Bernard

Une précision

les lignes qui précédent sont:
Code:

1 2 3 4 5 <div id="gw-menu"> <div class="row"><a name="topMenu"></a> <nav id="header-onglets" class="top-bar" data-topbar="" role="navigation"> <ul class="title-area hide-for-large-up"> <li class="name"><a href="#"></a>
La ligne de code

Code:

Dim DivId As HtmlNode = HtmlDoc.DocumentNode.SelectSingleNode("//div[@id='gw-menu']")

Détecte bien le noeud Div id="gw-menu

mais la ligne

Code:

Dim NoeudGw_Menu As HtmlNode = HtmlDoc.DocumentNode.SelectSingleNode("//div[@class='global-menu-name']")

renvoi Nothing ! Pourquoi ?

Bernard

16/02/2016, 22h06
DotNetMatt

Poste tout le HTML on ne peut pas t'aider comme ca.
17/02/2016, 13h05
BernardBouree

1 pièce(s) jointe(s)

Bonjour

Le voici en pièce jointe, tout au moins la première partie car le fichier ést trop gros.
La ligne recherche est la 1532.

Merci pour votre aide

Bernard

Quand j'utilise le fichier que tu as posté avec le code suivant, j'arrive à récupérer le nom et le prénom :

Code:

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
Dim html = File.ReadAllText("C:\Users\Matt\Downloads\test.html")
 
Dim doc = New HtmlDocument()
doc.LoadHtml(html)
 
Dim divId = doc.DocumentNode.SelectSingleNode("//div[@class='global-menu-name']")
 
Dim prenom = String.Empty
Dim nom = String.Empty
 
' Sert à se souvenir dans quelle itération on est. Dans le "divId", on a:
' 1 img (iteration = 0)
' 1 a contenant le prénom (iteration = 1)
' 1 "#text" correspondant à l'espace entre les 2 liens (iteration = 2)
' 1 a contenant le nom (iteration = 3)
Dim iteration = 0
 
For Each child As var In divId.ChildNodes
	If child.Name = "img" AndAlso TryGetChildAttributeValue(child, "src") <> "images/fleche_coude.png" Then
		' Si ce n'est pas l'image qu'on attend, on ne fait rien et on sort de la boucle.
		Exit For
	End If
 
	' On traite le premier lien, qui contient le prénom.
	If child.Name = "a" AndAlso iteration = 1 Then
		prenom = child.InnerText
	' On traite le second lien, qui contient le nom.
	ElseIf child.Name = "a" AndAlso iteration = 3 Then
		nom = child.InnerText
	End If
 
	' On incrémente avant de passer à la boucle suivante.
	iteration += 1
Next

Et le code de la fonction TryGetChildAttributeValue :

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
Private Function TryGetChildAttributeValue(child As HtmlNode, attributeName As String) As String
	If child Is Nothing Then
		Throw New ArgumentNullException("child")
	End If
 
	If String.IsNullOrEmpty(attributeName) Then
		Throw New ArgumentNullException("attributeName")
	End If
 
	Dim result = String.Empty
 
	If child.Attributes(attributeName) IsNot Nothing Then
		result = child.Attributes(attributeName).Value
	End If
 
	Return result
End Function

Essaie avec ce code et ton fichier et dis nous si ca marche. Si oui, alors il doit y avoir quelque chose de différent dans le code HTML complet, auquel cas il faudra le poster (ZIP le fichier ou utilises un service comme www.pastebin.com par exemple).

17/02/2016, 15h00
BernardBouree

Génial, cela marche !!!

Merci infiniment

Bernard

Désolé de solliciter à nouveau mais j'ai un peu de mal à comprendre la structure du Xhtml.

En continuant sur ma lancée, j'essaye de décoder d'autres informations qui sont données par:(ligne 1589 du fichier joint)
Code:

1 2 3 4 5 6 '<p class="separateur" style="display:none;"></p> '<ul> '<li>Né le 15 mai 1777 - Flavigny-sur-Ozerain, 21271, Côte-d'Or, Bourgogne, France</li> '<li>Décédé le 4 janvier 1852 - Châtillon-sur-Seine, 21154, Côte-d'Or, Bourgogne, France , à l’âge de 74 ans</li> '<li>Docteur en Médecine</li> '</ul>
Pour cela j'utilise la meme commande:

Code:

Dim li = HtmlDoc.DocumentNode.SelectSingleNode("//p[@class='separateur']")

qui est bien détectée.
J'essaye ensuite de détecter les lignes suivantes <ul> et les trois <li> avec
Code:

1 2 3 4 noeud = noeud.NextSibling ' <ul> Dim nLi1 As HtmlNode = noeud.NextSibling Dim nLi2 As HtmlNode = noeud.NextSibling Dim nLi3 As HtmlNode = noeud.NextSibling
Mais sans succès, il me trouve bien le noeud <ul> (mais est-ce bien le même ?) puis ensuite des noeuds #text

Cela veut dire que contrairement à ce que je croyais des noeuds qui se suivent ne sont pas forcément "frères" ?

Merci pour votre aide

Bernard

17/02/2016, 17h27
BernardBouree

2 pièce(s) jointe(s)

avec le fichier !

Bonjour
J'a i avancé d'un pas !

Pour trouver la ligne li dans
Code:

1 2 3 4 5 6 <p class="separateur" style="display:none;"></p> <ul> <li>Né le 15 mai 1777 - Flavigny-sur-Ozerain, 21271, Côte-d'Or, Bourgogne, France</li> <li>Décédé le 4 janvier 1852 - Châtillon-sur-Seine, 21154, Côte-d'Or, Bourgogne, France , à l’âge de 74 ans</li> <li>Docteur en Médecine</li> </ul>
J'utilise le code:

Code:

Dim lis As HtmlNodeCollection = HtmlDoc.DocumentNode.SelectNodes("//ul/li")

qui me trouve TOUTES les lignes li.
Pour extraire celle que je veux j'utilise:
Code:

1 2 3 4 For Each li As HtmlNode In lis Console.WriteLine(li.InnerText) If Left(li.InnerText, 2) = "Né" Then Stop Next
qui marche mais je suis sûr qu'ii y a quelque chose de plu élégant!

Merci

Bernard

18/02/2016, 17h11
DotNetMatt

Le code HTML que tu mentionnes n'est pas dans le fichier que tu as uploadé.

Au delà de ca, ce qu'il faut retenir c'est que chercher du HTML c'est comme faire du CSS : plus tu es précis pour identifier un élément, mieux ca marchera. Il n'y a jamais une seule facon de faire, il faut juste en trouver une qui marche et qui ne soit pas trop alambiquée. Ta solution ici semble convenir, pas la peine de chercher midi à 14 h ;)