Version imprimable
Bonjour,
Je parcours récursivement un site Internet pour en dresser la carte. Seulement, lorsque je suis un lien et que j'ouvre un fichier, je n'ai pas de moyen de savoir s'il s'agit d'une page web ou d'un fichier quelconque.
J'avais pensé à chercher la balise <html>, ce qui aurait prouvé qu'il s'agit d'une page web, mais il suffit d'écrire cette balise dans un fichier texte, et mon astuce ne fonctionne plus.
Comment faire ?
c pas clair :roll:Citation:
Envoyé par MiJack
c à dire tu parcours le repertoire à travers java ??
si oui tu peux tester sur l'extention : si elle fait partie de (htm , html , jsp , php .... ) donc c une page web ....
explique un peu comment tu fais pr pouvoir t'aider
Voici mon processus :Citation:
Envoyé par peppena
- J'ouvre le fichier index.***
- J'analyse le code pour repérer les liens vers les autres pages
- J'ouvre récursivement toutes les pages, ce qui me permet d'avoir la carte du site
Le problème, c'est que quand je suis un lien, je ne peux pas savoir s'il s'agit d'une page web ou d'un fichier normal. Tu me dis de regarder l'extension, le problème c'est qu'il existe bon nombre d'exensions pour les pages web (htm, html, asp, aspx, php, php3, jsp, ....).
Si demain une nouvelle extension est créé, mon programme va prendre la page web avec cette nouvelle extension comme étant un fichier, puisqu'il ne connaîtra pas cette exension. Enfin tu vois ce que je veux dire ?
Je cherche un point commun entre toutes les pages web, pour être sûr que quand mon programme va analyser le code de ce fichier, il puisse déterminer avec exactitude : ceci est une page web ou ceci est un fichier quelconque.
Ouep, puis si tu analyses les liens pour savoir, tu as pire, tu peux faire des adresses sans extensions avec les servlets...Citation:
le problème c'est qu'il existe bon nombre d'exensions pour les pages web (htm, html, asp, aspx, php, php3, jsp, ....).
A priori, mieux vaut effectivement regarder sur le flux lui meme...
Verifier sur <html> ne me parait pas délirant, mais un peu insuffisant...
Genre, sur <html>, <head> - </head>, <body> - </body> et </html>
Si tu sais que le site donne des pages bien construites (i.e. proprement), regarde sur plusieurs enchainements de balises, avec les ouvertures, et les fermetures a la fin... Si tu as l'ensemble, bien encastré comme il faut, ca devrait aller... Si un fichier txt contient tous ces élements, là, tu n'as pas de chance, sauf si c'est pour un cours html...
Regarder l'enchaînement de balises me paraît être une bonne solution.
Je vais y aller avec ça.