Chercher un chaine dans une page HTML

Version imprimable

12/09/2005, 15h49
Mr Hyde

Chercher un chaine dans une page HTML
Bonjour,

Je suis en train de faire un programme qui communique avec un serveur...en fait, je fais appel a un script de login qui me renvoie tout une page HTML. Seulement, il n'y a qu'une petite partie de cette page qui m'interresse.

J'aimerais savoir s'il est possible d'extraire une chaine au sein d'une page entière...une fonction du genre:
Code:

1 2 find("expression","fichier")
Ou quelque chose du genre...merci d'avance!
12/09/2005, 16h08
Guigui_

Une fois que tu as transformé ton fichier en string, y'a la méthode find

http://docs.python.org/lib/string-methods.html

sinon y'a aussi le module htmllib qui permet de traiter les fichiers html
12/09/2005, 17h09
Mr Hyde

En fait, je souhaiterais récupperer une "sous partie" d'un lien situé dans ma page web:
par exemple:

Code:

<a href="http://www.monsite.com">

Et bien j'aimerais pouvoir recuperer toutes les valeurs de href dans tous les liens dans ma page. J'ai entendu parler de htmlparser, mais je n'ai strictement rien compris...et a vrai dire, je uis un peu pris par le temps, je n'ai plus le temps de me plonger dans un module.
12/09/2005, 17h30
getupa

Regarde du coté des expressions régulière et du module re (très simple si tu connais un peu le principe des regex)
13/09/2005, 09h59
Mr Hyde

Merci getupa et guigui!

Finalement, je me suis debrouillé avec HTMLParser, qui me récupère toutes les URL et la fonction find, qui m'a extrait le morceau de chaine qui m'interesse.

Je ne sais pas si ça peut t'intéresser.
Voilà un code (récupéré dans le livre "Python en Concentré") qui permet de lister les liens d'une page html

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
import htmllib, formatter, urllib, urlparse
 
p = htmllib.HTMLParser(formatter.NullFormatter())
f = urllib.urlopen('http://www.python.org/index.html')
BUFSIZE = 8192
while True:
    donnees = f.read(BUFSIZE)
    if not donnees: break;
    p.feed(donnees)
p.close()
seen={}
for url in p.anchorlist:
    if url in seen: continue
    seen[url] = True
    pieces = urlparse.urlparse(url)
    if pieces[0] == 'http':
        print urlparse.urlunparse(pieces)

13/09/2005, 10h47
Mr Hyde

Super, merci! :)
C'est ce que j'avais fait, mais en plus court, donc c'est mieux!!