Utilisation du module HTML::Parser

Version imprimable

Bonjour à Jedai et aux utilisateurs du forum,

Aujourd'hui, j'aimerai apprendre l'utilisation du module HTML:: Parser pour récupérer les informations "data" dans le code ci dessous:
Code:

1 2 3 4 5 6 7 8 9 10 ... <tr> <td class="titre" align="center">categorie </td> <td class="texte" align="center">data1</td> <td class="texte" align="center">data2</td> <td class="texte" align="center">data3</td> </tr> ...
Sauf erreur de ma part, HTML:: Parser génère des évènements quand il analyse le code. d'après la documentation du module / cpan

donc on pourrait avoir ce début de code :
Code:

1 2 3 4 5 6 7 8 9 10 11 12 use HTML::Parser; my $page = ( "détient le contenu html a parser" ); # création de mon parser my $parser = HTML::Parser->new(); # définition des mes evenements $parser->handler( text => \&text, "text" ); $parser->handler( start => \&start, "tagname,attr" ); $parser->handler( end => \&end, "tagname" );
l'évènement "text" est déclenché quand un morceau de texte est détecté.
l'évènement "start" correspond à l'ouverture d'une balise.
l'évènement "end" correspond à la fermeture d'une balise.

Donc ma solution serait d'indiquer en la balise ... mais je bloque à ce niveau. Merci pour vos conseils.

Altecad

La solution passe par la simulation d'une machine à état.
Soit tu utilises des variables globales (beurk :aie: ), soit tu utilises de bien plus mignonnes closures :

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
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
#!/usr/bin/perl
use strict; use warnings;
 
use HTML::Parser;
 
my $page = "détient le contenu html a parser";
 
# création de mon parser
my $parser = HTML::Parser->new();
 
# définition des mes evenements
$parser->handler( text  => \&text,  "dtext" );
$parser->handler( start => \&start, "tagname,attr" );
$parser->handler( end   => \&end,   "tagname" );
 
$parser->parse($page);
 
# définition des callbacks
# on les rassemble dans un bloc pour que les variables lexicales
# sur lesquels on les clos soient invisibles du reste du script
{
    my $in_span_textegras;
    my @data;
 
    sub start {
        my ($tag, $attr) = @_;
        $in_span_textegras++ 
            if $tag eq 'span' and $attr->{class} eq 'textegras';
    }
 
    sub end {
        my ($tag) = @_;
        $in_span_textegras--
            if $tag eq 'span' and $in_span_textegras;
    }
 
    # tu souhaiteras peut-être faire ton traitement directement
    # dans cette fonction
    sub text {
        my ($text) = @_;
        push @data, $text
            if $in_span_textegras;
    }
 
    # si tu fais le traitement dans text() tu n'auras pas besoin
    # de cette fonction
    sub get_datas {
        return @data;
    }
 
}

Ceci ne marchera bien que si tu peux garantir qu'il n'y aura pas de à l'intérieur de tes "datas", et ne retiendra que le texte à l'intérieur de ces "datas", néanmoins ça devrait te fournir une base pour comprendre quoi faire si ton cas est plus complexe.

--
Jedaï

23/04/2007, 13h08
altecad

Je viens de tester les 3 sub et j'ai un début de résultat. A moi maintenant de paufiner ;)

Merci pour ton aide et tes explications Jedaï

Bonjour, Je sais que ce post est pas tout neuf mais j'ai en gros le même problème que le posteur initial.
J'ai en entrée un fichier html et je cherche à recuperer uniquement l'information textuel de ce fichier :

Citation:

<td class="avistxt" width="290">Alors pour moi qui bricole .... ou pour ouvrir un dossier.</td>

et j'aimerais recuperer uniquement : " Alors pour moi qui bricole ....blabla... ou pour ouvrir un dossier.

C'est à titre d'exemple biensur :)

j'ai réutiliser le code exposé dans ce post, ce qui me donne :
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 35 36 37 38 39 40 #!/usr/bin/perl use strict; use warnings; use HTML::Parser; my $page = "Z:\essai.html"; # création de mon parser my $parser = HTML::Parser->new(); # définition des mes evenements $parser->handler( text => \&text, "text" ); $parser->handler( start => \&start, "tagname,attr" ); $parser->handler( end => \&end, "tagname" ); $parser->parse($page); { my $in_span_textegras; my @data; sub start { my ($tag, $attr) = @_; $in_span_textegras++ if $tag eq 'td' and $attr->{class} eq 'avistxt'; } sub end { my ($tag) = @_; $in_span_textegras-- if $tag eq 'td' and $in_span_textegras; } sub text { my ($text) = @_; push @data, $text if $in_span_textegras; } }
Est ce que vous y voyez des erreurs ? est ce que à la place de "dtext" dois je mettre mes mots à rechercher sachant que le contenu textuel change à chaque page ?
Est ce que le faite que je sois sous windows pose un souci sur l'utilisation de PERL ?
tant de réponse qui me sont encore inconnu pour une simple débutante que je suis :p

merci à ceux qui répondront

13/09/2007, 14h26
djibril

cree toi un autre post