Récuperation d'element xml

Bonjour, J'ai en entrée de mon application un fichier htm dont la syntaxe est de ce genre :

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
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
 
<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.0 Transitional//EN"
	"http://www.w3.org/TR/html4/loose.dtd">
<html>
<head>
<meta http-equiv="content-type"
	content="text/html; charset=WINDOWS-1252">
<meta name="author" content="">
<meta name="description" content="">
<meta name="keywords" content="">
 
<title></title>
</head>
 
<body>
<table frame="box" rules="all" border="0" cellspacing="0"
	cellpadding="0" width="1123">
	<tr>
		<td valign="top" width="0" height="0"></td>
		<td valign="top" width="236" height="0"></td>
		<td valign="top" width="1" height="0"></td>
		<td valign="top" width="0" height="0"></td>
		<td valign="top" width="0" height="0"></td>
		<td valign="top" width="0" height="0"></td>
		<td valign="top" width="1" height="0"></td>
		<td valign="top" width="39" height="0"></td>
		<td valign="top" width="0" height="0"></td>
		<td valign="top" width="51" height="0"></td>
		<td valign="top" width="87" height="0"></td>
		<td valign="top" width="9" height="0"></td>
		<td valign="top" width="28" height="0"></td>
		<td valign="top" width="18" height="0"></td>
		<td valign="top" width="36" height="0"></td>
		<td valign="top" width="6" height="0"></td>
		<td valign="top" width="7" height="0"></td>
		<td valign="top" width="20" height="0"></td>
		<td valign="top" width="58" height="0"></td>
		<td valign="top" width="48" height="0"></td>
		<td valign="top" width="153" height="0"></td>
		<td valign="top" width="78" height="0"></td>
		<td valign="top" width="0" height="0"></td>
		<td valign="top" width="6" height="0"></td>
		<td valign="top" width="0" height="0"></td>
		<td valign="top" width="0" height="0"></td>
		<td valign="top" width="237" height="0"></td>
		<td valign="top" width="0" height="0"></td>
	</tr>
	<tr valign="top">
		<td valign="top" width="0"></td>
		<td colspan="26" valign="top" width="1123"></td>
		<td valign="top" width="0"></td>
	</tr>
	<tr valign="top">
		<td valign="top" width="0"></td>
		<td colspan="20" valign="top" width="800"></td>
		<td valign="top" width="78">
		<div align="justify"><font face="Times New Roman" size="2">Page
		7 sur </font><font face="Arial Unicode MS" size="2">1</font><font
			face="Times New Roman" size="2">0</font></div>
		</td>
		<td colspan="5" valign="top" width="244"></td>
		<td valign="top" width="0"></td>
	</tr>
	<tr valign="top">
		<td valign="top" width="0"></td>
		<td colspan="26" valign="top" width="1123"></td>
		<td valign="top" width="0"></td>
	</tr>
	<tr valign="top">
		<td valign="top" width="0"></td>
		<td colspan="13" valign="top" width="470"></td>
		<td colspan="6" valign="top" width="176">
		<div align="center"><font face="Arial Unicode MS" size="3">BULLETIN
		ADHESION</font></div>
		</td>
		<td colspan="7" valign="top" width="476"></td>
		<td valign="top" width="0"></td>
	</tr>
	<tr valign="top">
		<td valign="top" width="0"></td>
		<td colspan="26" valign="top" width="1123"></td>
		<td valign="top" width="0"></td>
	</tr>
	<tr valign="top">
		<td valign="top" width="0"></td>
		<td colspan="5" valign="top" width="238"></td>
		<td colspan="5" valign="top" width="178">
		<div align="justify"><font face="Arial Unicode MS" size="2"><b>Exemplaire
		</b>à <b>retourner </b>à <b>la Carac</b></font></div>
		</td>
		<td colspan="16" valign="top" width="707"></td>
		<td valign="top" width="0"></td>
	</tr>
	<tr valign="top">
		<td valign="top" width="0"></td>
		<td colspan="26" valign="top" width="1123"></td>
		<td valign="top" width="0"></td>
	</tr>
	<tr valign="top">
		<td valign="top" width="0"></td>
		<td valign="top" width="236"></td>
		<td colspan="21" valign="top" width="642">
		<table frame="box" rules="all" border="1" cellspacing="0"
			cellpadding="0" width="642">
			<tr>
				<td valign="top" width="0" height="0"></td>
				<td valign="top" width="385" height="0"></td>
				<td valign="top" width="85" height="0"></td>
				<td valign="top" width="85" height="0"></td>
				<td valign="top" width="86" height="0"></td>
				<td valign="top" width="0" height="0"></td>
			</tr>
			<tr valign="top">
				<td valign="top" width="0"></td>
				<td valign="top" width="385">
				<div align="left"><font face="Arial Unicode MS" size="2">Ca</font></div>
				</td>
				<td colspan="3" valign="top" width="257">
				<div align="left"><font face="Arial Unicode MS" size="2">REFERENCE
				A RAPPELER</font></div>
				</td>
				<td valign="top" width="0"></td>
			</tr>
			<tr valign="top">
				<td valign="top" width="0"></td>
				<td valign="top" width="385">
				<div align="left"><font face="Arial Unicode MS" size="2">2
				ter rue du château</font></div>
				</td>
				<td valign="top" width="85">
				<div align="right"><font face="Arial Unicode MS" size="2">Entité</font></div>
				</td>
				<td valign="top" width="85">
				<div align="left"><font face="Arial Unicode MS" size="2">Adhérent</font></div>
				</td>
				<td valign="top" width="86">
				<div align="left"><font face="Arial Unicode MS" size="2">Garantie</font></div>
				</td>
				<td valign="top" width="0"></td>
			</tr>
			<tr valign="top">
				<td valign="top" width="0"></td>
				<td valign="top" width="385">
				<div align="left"><font face="Arial Unicode MS" size="2">92577
				 Cedex</font></div>
				</td>
				<td valign="top" width="85">
				<div align="right"><font face="Times New Roman" size="4"><b>142310</b></font></div>
				</td>
				<td valign="top" width="85">
				<div align="left"><font face="Times New Roman" size="4"><b>1000001</b></font></div>
				</td>
				<td valign="top" width="86">
				<div align="left"><font face="Times New Roman" size="4"><b>11000000</b></font></div>
				</td>
				<td valign="top" width="0"></td>
			</tr>
			<tr>
				<td valign="top" width="0" height="0"></td>
				<td valign="top" width="385" height="0"></td>
				<td valign="top" width="85" height="0"></td>
				<td valign="top" width="85" height="0"></td>
				<td valign="top" width="86" height="0"></td>
				<td valign="top" width="0" height="0"></td>
			</tr>
		</table>
		</td>
		<td colspan="4" valign="top" width="244"></td>
		<td valign="top" width="0"></td>
	</tr>
	<tr valign="top">
		<td valign="top" width="0"></td>
		<td colspan="26" valign="top" width="1123"></td>
		<td valign="top" width="0"></td>
	</tr>
	<tr valign="top">
		<td valign="top" width="0"></td>
		<td colspan="3" valign="top" width="237"></td>
		<td colspan="15" valign="top" width="361">
		<div align="left"><font face="Times New Roman" size="4"><b>M.
		JEAN</b></font></div>
		<div align="left"><font face="Arial Unicode MS" size="2">demeurant
		</font><font face="Times New Roman" size="4"><b>1 RUE DU PARC
		82000</b></font></div>
		<div align="left"><font face="Times New Roman" size="4"><b>MONTAUBAN
		</b></font><font face="Arial Unicode MS" size="2">né(e) le </font><font
			face="Times New Roman" size="4"><b>18/07/1963 </b></font><font
			face="Arial Unicode MS" size="1">à </font><font
			face="Times New Roman" size="4"><b>45000 </b></font><font
			face="Arial Unicode MS" size="2">blois</font></div>
		<div align="justify"><font face="Arial Unicode MS" size="2"><b><i>Vous
		adhérez.</i></b></font></div>
		</td>
		<td colspan="8" valign="top" width="524"></td>
		<td valign="top" width="0"></td>
	</tr>
	<tr valign="top">
		<td valign="top" width="0"></td>
		<td colspan="26" valign="top" width="1123"></td>
		<td valign="top" width="0"></td>
	</tr>
	<tr valign="top">
		<td valign="top" width="0"></td>
		<td colspan="2" valign="top" width="237"></td>
		<td colspan="10" valign="top" width="216">
		<div align="justify"><font face="Arial Unicode MS" size="2"><b>VOTRE
		GARANTIE </b></font></div>
		</td>
		<td colspan="14" valign="top" width="670"></td>
		<td valign="top" width="0"></td>
	</tr>
	<tr valign="top">
		<td valign="top" width="0"></td>
		<td colspan="26" valign="top" width="1123"></td>
		<td valign="top" width="0"></td>
	</tr>
	<tr valign="top">
		<td valign="top" width="0"></td>
		<td colspan="6" valign="top" width="239"></td>
		<td colspan="11" valign="top" width="301">
		<div align="justify"><font face="Arial Unicode MS" size="2"><b><i>•
		Date de la demande: </i></b></font><font face="Times New Roman" size="4"><b>26/02/2009</b></font></div>
		</td>
		<td colspan="9" valign="top" width="582"></td>
		<td valign="top" width="0"></td>
	</tr>
	<tr valign="top">
		<td valign="top" width="0"></td>
		<td colspan="26" valign="top" width="1123"></td>
		<td valign="top" width="0"></td>
	</tr>
	<tr valign="top">
		<td valign="top" width="0"></td>
		<td colspan="6" valign="top" width="239"></td>
		<td colspan="8" valign="top" width="268">
		<div align="justify"><font face="Arial Unicode MS" size="2"><b><i>•
		Prise d'effet: </i></b></font><font face="Times New Roman" size="4"><b>05/01/2006</b></font></div>
		</td>
		<td colspan="12" valign="top" width="616"></td>
		<td valign="top" width="0"></td>
	</tr>
	<tr valign="top">
		<td valign="top" width="0"></td>
		<td colspan="26" valign="top" width="1123"></td>
		<td valign="top" width="0"></td>
	</tr>
	<tr valign="top">
		<td valign="top" width="0"></td>
		<td colspan="4" valign="top" width="238"></td>
		<td colspan="19" valign="top" width="647">
		<div align="left"><font face="Arial Unicode MS" size="2"><b><i>•&nbsp;Durée
		</i></b>: 8 ans, automatiquement prorogeable d'année en année
		par tacite reconduction.</font></div>
		<div align="justify"><font face="Arial Unicode MS" size="2"><b><i>•&nbsp;Garantie
		</i></b>: constitution, par des versements libres, d'une épargne </font><font
			face="Arial Unicode MS" size="1">à </font><font
			face="Arial Unicode MS" size="2">votre profit si vous êtes
		vivant au terme. Si vous décédez avant ce terme, cette
		épargne est remboursée aux bénéficiaires désignés.</font></div>
		<div align="left"><font face="Arial Unicode MS" size="2"><b><i>•&nbsp;Bénéficiaires
		de l'épargne à votre décès (*)</i></b></font></div>
		</td>
		<td colspan="3" valign="top" width="238"></td>
		<td valign="top" width="0"></td>
	</tr>
	<tr valign="top">
		<td valign="top" width="0"></td>
		<td colspan="26" valign="top" width="1123"></td>
		<td valign="top" width="0"></td>
	</tr>
	<tr valign="top">
		<td valign="top" width="0"></td>
		<td colspan="7" valign="top" width="278"></td>
		<td colspan="9" valign="top" width="242">
		<div align="justify"><font face="Arial Unicode MS" size="2">o
		01 - CONJOINT A DEFAUT LES ENFANTS</font></div>
		</td>
		<td colspan="10" valign="top" width="603"></td>
		<td valign="top" width="0"></td>
	</tr>
	<tr valign="top">
		<td valign="top" width="0"></td>
		<td colspan="26" valign="top" width="1123"></td>
		<td valign="top" width="0"></td>
	</tr>
	<tr valign="top">
		<td valign="top" width="0"></td>
		<td colspan="4" valign="top" width="238"></td>
		<td colspan="11" valign="top" width="275">
		<div align="justify"><font face="Arial Unicode MS" size="2"><b>•
		Cadre fiscal </b>: FISCALITE ASSURANCE VIE UC.</font></div>
		</td>
		<td colspan="11" valign="top" width="610"></td>
		<td valign="top" width="0"></td>
	</tr>
	<tr valign="top">
		<td valign="top" width="0"></td>
		<td colspan="26" valign="top" width="1123"></td>
		<td valign="top" width="0"></td>
	</tr>
	<tr valign="top">
		<td valign="top" width="0"></td>
		<td colspan="2" valign="top" width="237"></td>
		<td colspan="7" valign="top" width="92">
		<div align="justify"><font face="Arial Unicode MS" size="2">Vous
		avez choisi:</font></div>
		</td>
		<td colspan="17" valign="top" width="793"></td>
		<td valign="top" width="0"></td>
	</tr>
	<tr valign="top">
		<td valign="top" width="0"></td>
		<td colspan="26" valign="top" width="1123"></td>
		<td valign="top" width="0"></td>
	</tr>
	<tr valign="top">
		<td valign="top" width="0"></td>
		<td colspan="8" valign="top" width="278"></td>
		<td colspan="17" valign="top" width="607">
		<div align="justify"><font face="Arial Unicode MS" size="2">o
		l'option solidaire : 1% de chacun de vos versements (frais sur
		versement compris) est reversé par la Carac </font><font
			face="Arial Unicode MS" size="1">à </font><font
			face="Arial Unicode MS" size="2">l'organisme d'intérêt général
		Arc-en-ciel.</font></div>
		</td>
		<td valign="top" width="237"></td>
		<td valign="top" width="0"></td>
	</tr>
	<tr valign="top">
		<td valign="top" width="0"></td>
		<td colspan="26" valign="top" width="1123"></td>
		<td valign="top" width="0"></td>
	</tr>
	<tr valign="top">
		<td valign="top" width="0"></td>
		<td colspan="7" valign="top" width="278"></td>
		<td colspan="4" valign="top" width="147">
		<div align="justify"><font face="Arial Unicode MS" size="2">o
		Le mode de gestion Libre.</font></div>
		</td>
		<td colspan="15" valign="top" width="698"></td>
		<td valign="top" width="0"></td>
	</tr>
	<tr valign="top">
		<td valign="top" width="0"></td>
		<td colspan="26" valign="top" width="1123"></td>
		<td valign="top" width="0"></td>
	</tr>
	<tr valign="top">
		<td valign="top" width="0"></td>
		<td colspan="3" valign="top" width="237"></td>
		<td colspan="21" valign="top" width="648">
		<div align="justify"><font face="Arial Unicode MS" size="1">(*)
		Vous désignez vos bénéficiaires décès par acte sous seing privé
		(formulaire ou papier libre) ou par acte authentique (acte notarié).
		Sauf acceptation des bénéficiaires désignés, la clause bénéficiaire
		peut être modifiée à tout moment, notamment lorsqu'elle n'est plus
		appropriée au regard de votre situation personnelle. L'acceptation est
		l'opération par laquelle le bénéficiaire déclare, en accord avec le
		stipulant (vous) accepter le bénéfice futur du capital décès. Cette
		acceptation peut intervenir au plus tôt 30 jours après la signature du
		bulletin. Elle rend la désignation irrévocable : vous ne
		pourrez plus la modifier sans l'accord du bénéficiaire acceptant.</font></div>
		<div align="left"><font face="Arial Unicode MS" size="1">Nos
		conseils :</font></div>
		<div align="left"><font face="Arial Unicode MS" size="1">-&nbsp;maintenez
		la confidentialité quant à l'identité de vos bénéficiaires ;</font></div>
		<div align="left"><font face="Arial Unicode MS" size="1">-&nbsp;prévenez-nous
		dès qu'un changement dans votre situation personnelle ayant un impact
		sur la clause bénéficiaire intervient : votre conseiller Carac pourra
		ainsi vous guider au mieux ;</font></div>
		<div align="left"><font face="Arial Unicode MS" size="1">-&nbsp;si
		votre bénéficiaire est nommément désigné, pensez à nous indiquer ses
		coordonnées : le règlement des capitaux s'en trouvera facilité ;</font></div>
		<div align="left"><font face="Arial Unicode MS" size="1">-&nbsp;évitez
		de nommément désigner votre conjoint, désignez plutôt &laquo; mon
		conjoint &raquo; : la personne ayant cette qualité à votre décès
		percevra le capital.</font></div>
		</td>
		<td colspan="2" valign="top" width="237"></td>
		<td valign="top" width="0"></td>
	</tr>
	<tr valign="top">
		<td valign="top" width="0"></td>
		<td colspan="26" valign="top" width="1123"></td>
		<td valign="top" width="0"></td>
	</tr>
	<tr>
		<td valign="top" width="0" height="0"></td>
		<td valign="top" width="236" height="0"></td>
		<td valign="top" width="1" height="0"></td>
		<td valign="top" width="0" height="0"></td>
		<td valign="top" width="0" height="0"></td>
		<td valign="top" width="0" height="0"></td>
		<td valign="top" width="1" height="0"></td>
		<td valign="top" width="39" height="0"></td>
		<td valign="top" width="0" height="0"></td>
		<td valign="top" width="51" height="0"></td>
		<td valign="top" width="87" height="0"></td>
		<td valign="top" width="9" height="0"></td>
		<td valign="top" width="28" height="0"></td>
		<td valign="top" width="18" height="0"></td>
		<td valign="top" width="36" height="0"></td>
		<td valign="top" width="6" height="0"></td>
		<td valign="top" width="7" height="0"></td>
		<td valign="top" width="20" height="0"></td>
		<td valign="top" width="58" height="0"></td>
		<td valign="top" width="48" height="0"></td>
		<td valign="top" width="153" height="0"></td>
		<td valign="top" width="78" height="0"></td>
		<td valign="top" width="0" height="0"></td>
		<td valign="top" width="6" height="0"></td>
		<td valign="top" width="0" height="0"></td>
		<td valign="top" width="0" height="0"></td>
		<td valign="top" width="237" height="0"></td>
		<td valign="top" width="0" height="0"></td>
	</tr>
</table>
</body>
</html>

et je veux recuperer tous les élements entourés par ceci :

Code:

<div align="justify"><font face="Times New Roman" size="4"><b> </b></font></div>

Un indice ou Algorithme s'il vous plait.

Je pense que je ferai ça en plain text avec une expression régulière sans chercher à parser.

ça peut être une alternative mais avec toutes les technologies XML qui existent ,ça ne doit pas être la meilleure solution.

Si tu veux sortir l'artillerie, tu peux regarder du coté de xquery...

Il me semble que XPath aussi peut faire l'affaire en utilisant les classes Javax.xml.xpath.C'est une spécification de J2SE à partir de 5.0.Je fais des recherches dans ce sens et je vous tiens au courant.

XPath pourrait être une très bonne piste, cependant si le fichier HTML ne respecte pas la syntaxe XML correctement (balises non fermés, etc.) tu risques d'avoir des difficultés à parser le document (et donc être dans l'incapacité d'y évaluer une expression XPath) :?.

Tu tombes piles : les balises méta et les caractères &nbsp posent problème et la solution : aucune idée ? Help!!

Ok c'est bon j'ai régler ça en écrivant une fonction qui valide mon fichier.Certes la fonction n'est pas générique ,elle traite juste mon cas à savoir supprimer les balise meta et les caractères commençant par & et finissant par ;

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
	public static void valideDocumentHml(String chemin){
		String fileText = "";
		fileText = ReconnDoc.getContenuFichier(chemin);
		int deb=-1;
		while((deb = fileText.indexOf("<meta"))!=-1){
			int fin = fileText.indexOf(">",deb);
			String chDroite = fileText.substring(0, deb);
			String chGauche = fileText.substring(fin+1,fileText.length());
			fileText = chDroite+chGauche;
		}
		deb=-1;
		while((deb = fileText.indexOf("&"))!=-1){
			int fin = fileText.indexOf(";",deb);
			if((fin-deb)<10){
				String chDroite = fileText.substring(0, deb);
				String chGauche = fileText.substring(fin+1,fileText.length());
				fileText = chDroite+chGauche;
			}
		}
 
		ReconnDoc.setContenuFichier(chemin, fileText);
 
	}

T'embête pas, utilise Tidy. Ca te corrigera un fichier html pas bien formé en un document xml bien formé.

De là, tu peux très bien exécuter des requêtes xpath.

Thanks. Une heure perdue c'est pas si grave.

Plus léger que Tidy, j'ai fait un petit projet opensource tout simple : http://sourceforge.net/projects/light-html2xml

Merci alain.couthures. T'as bien vu la chose.:merci:

Citation:

Envoyé par alain.couthures

Plus léger que Tidy, j'ai fait un petit projet opensource tout simple : http://sourceforge.net/projects/light-html2xml

Pas mal, mais pas l'équivalent de Tidy.
Cf cas de tests : http://tidy.sourceforge.net/docs/Overview.html

Le premier cas par exemple, ne renvoie pas la même chose :

Avec tidy
Code:

1 2 3 <h1>heading <h2>subheading</h3>
est traduit par
Code:

1 2 3 <h1>heading</h1> <h2>subheading</h2>
Alors qu'avec ton outil, c'est traduit par :
Code:

1 2 <h1>heading<h2>subheading</h2></h1>
Ce qui n'est pas correct. A voir si ca pose soucis pour l'extraction de jiddou.

A priori ça me va. Reste à savoir ce que nous réserve le futur.
Merci les gars.