Extraire données précises d'un html

Bonjour à vous tous et merci d'avance pour votre précieuse aide.
Je souhaiterais récupére des données d'une source hmtl.

J'ai donc crée un WebBrowser1 et un RichTextBox1

Code:

---

1 2 3

WebBrowser1.Navigate("http://...") contenuHTML = WebBrowser1.DocumentText.ToString RichTextBox1.Text = contenuHTML

---

La source affiché dans mon RichTextBox1
Je souhaiterais extraire tout les données qui sont en rouge ci-dessous.
Les données en vert se répete dans la source html donc je sais exactement où se trouve les données dont j'ai besoin.

Exemple:
class="SubTD"><br />Nom</a>

Ensuite
(200C)<br />3 Rue des Ponts 59800 LILLE</span>

Ensuite je dois séparer le numéro, l'adresse, le code postale et la ville.
Mais pour ça je vais essayer de me débrouiller seul dans un 1er temps.

Encore merci à vous.

Qu'un seul mot: REGEX! (Ha,,, et google...)

C'est un programme payant.
De plus, ce que je vouderais, c'est faire de la programmation.


Merci de ton aide

Regex pour expression régulières.

http://lgmorand.developpez.com/dotnet/regex/

Effectivement c'est plus claire, car j'avais tapé sur google comme tu me l'avais demande et je suis tombé sur un site avec des programmes.

Alors j'ai parcourus le tutoriel que tu ma proposé, j'ai ensuite consulter quelques post sur le forum.

Et je suis arrivé à ce code qui me sert d'apprentissage (j'ai jamais utlisé cela avant)

Code:

---

1 2 3 4 5 6 7 8 9 10

Dim r As New Regex("^(y | z)$") Dim m As Match m = r.Match("Bonjour yBonjourz") Dim Result As String If m.Success Then Result = m.Groups(1).ToString End If   MessageBox.Show("Groupe: " + m.Groups(1).Value)

---

Donc j'aimerais extraire ce qui se trouve en y et z, donc Bonjour
Je n'ai aucune erreur, mais mon messageBox me donne rien.

merci à toi encore une fois.

J'ai réussi avec cette syntaxe, le probléme est que:
Si cela contient un espacement ou un chiffre cela ne marche plus

Code:

---

1 2 3 4 5 6 7 8 9

Dim r As New Regex("^class=""soustitre""><br />([\w]+)</a>") Dim m As Match m = r.Match("class=""soustitre""><br />ADDPOINTSCHAUDS</a>")   If m.Success Then MessageBox.Show("Résultat: " + m.Groups(1).Value)   End If

---

Merci de ton aide

Les chiffres normalement cela doit marcher avec \w. Pour l'espace tu peux utiliser l'Alias \s :

Code:

---

1 2	Dim r As New Regex("^class=""soustitre""><br />([\w|\s]+)</a>")

---

:king: Au moment où je viens annoncé que j'ai trouvé la solution je vois ta réponse.


Mais maintenant ce que je comprend pas.

Code:

---

Dim r As New Regex("^class=""soustitre""><br />([\w\s]+)</a>")

---

Avec une chaine donné ça fonctionne

Code:

---

1 2	m = r.Match("class=""soustitre""><br />ADD POINTS CHAUDS</a>")

---

Maintenant j'essaye de mettre

Code:

---

m = r.Match(contenuHTML)

---

Afin d'analyser tout mon contenue HTML, mais ça donne rien.

Pour récupére les string je fais ça

Code:

---

1 2 3 4

If m.Success Then MessageBox.Show("Résultat: " + m.Groups(1).Value) DataGridView1.Rows.Add("", m.Groups(1).Value) End If

---

Pourtant aucunes erreurs s'affiche
Merci

Commence par enlever le '^' au début de ta regex car ta chaine ne commence pas par class=""soustitre.

Une astuce: penses à utiliser les points d'arrêt lors du debugage pour récupérer les valeurs en cours. Cela permet souvent de voir rapidement où se situe le (ou les) problèmes dans le code.

Ok ça c'est fait, j'aurais jamais trouvé seul merci.

Donc il lit bien mon contenueHTML

Maintenant il me donne qu'un seul résultat, le premier donc.
J'ai essaye une boucle for, mais le résutalt était mauvais.

Code:

---

1 2 3 4 5 6 7 8 9 10

If m.Success Then     For i = 0 To m.Groups.Count   ' MessageBox.Show("Résultat: " + m.Groups(i).Value) DataGridView1.Rows.Add("", m.Groups(i).Value)   Next

---

Merci

Utilises par exemple:

Code:

---

1 2 3 4 5 6 7 8 9 10 11 12 13

If r.IsMatch(str) Then Dim m As Match For Each m In r.Matches(str) Dim Result As String Result = m.Groups(1).ToString   MessageBox.Show("Groupe: " + Result)       Next   End If

---

Super super super, ça fonctionne et grace à toi. :king:
Mille fois merci, avec cette base je vais pouvoir avancé.

Salut Roster, j'éspére que tu va bien, je viens te déranger ici, car j'ai rencontrer un mini soucis que voici:

Code:

---

1 2 3 4 5 6 7 8 9 10 11 12 13 14

Dim r As New Regex("class=""soustitre""><br />([\w\s]+)</a>([\w\s\S\n\r\t\d\D\W]+)\x285610C\x29<br />([\w\s]+)</span>") If r.IsMatch(RichTextBox1.Text) Then Dim m As Match For Each m In r.Matches(RichTextBox1.Text) Dim Name As String Dim Adress As String Name = m.Groups(1).Value Adress = m.Groups(3).Value DataGridView1.Rows.Add("", Name, Adress) Next End If

---

Enfaite c'est avec la partie en rouge qui me pose probléme.
Car entre mes deux données à extraire, c'est-à-dire Name et Adress.

J'ai du texte, des chiffres, des tabulations, des retour à la ligne. (que je ne dois pas récupérer)
Bref un peu de tout.

La syntaxe est bonne car si je met en chaine:

Code:

---

"class=""soustitre""><br />ADDPOINTSCHAUDS</a>R(5610C)<br />LILLE</span>"

---

Donc dans ce cas si avec un simple R, alors ça fonctionne.

Alors j'ai passé mon temps à modifier ([\w\s\S\n\r\t\d\D\W]+), mais rien à faire ça passe pas. Merci

J'ai pas tout compris à ton problème. Montres ton code html qui pose problème!

Parfois il est bon d'utiliser plusieurs regex plutôt qu'une seule trop complexe qui risque en plus de ralentir considérablement ton programme lors de l'exécution.

PS: je suis débutant tout comme toi, le peu que je connais cela ne me dérange pas de la partager. Tout ceci pour dire que je ne suis certainement pas le mieux placé pour t'aider. Avis aux experts... ;)

Alors si tu te dis débutant, je sais pas ce que je devrais dire de moi "Ignorant" LOL

Cela dit voila un extrait de mon HTML:



<td width="365" height="70" valign="top"><a href="/test/1-2-3.html" class="soustitre"><br />1 2 3</a>
<span class="gris"> 123<br />Restauration

(5610C)<br />12 Rue des Ponts 59800 LILLE</span></td>

Ce qui est en noir n'est pas important.
Ce qui est en rouge c'est mes balises de référence pour mon regex.
Ce qui est en vert, c'est les données à récupérer.
Ce qui est en bleu c'est ce qui se trouve entre mes deux balises de référence.
Cette partie n'est pas toujours identique et me pose probléme dans mon regex. Je ne récupere rien de cette partie du code

"class=""soustitre""><br />([\w\s]+)</a>([\s\S\r\n]+)\x285610C\x29<br />([\w\s]+)</span>"

Encore merci

J'ai testé et retesté ta regex, elle marche parfaitement chez moi.

Je pense que le problème vient peut-être du format text de ta RichTextBox ou de l'encodage de ton fichier html.
Essais avec une TextBox classique (multiligne) en y copiant ton text html pour voir si cela marche.

Ok la apriori ça fonctionne, mais le truc c'est qu'il me donne qu'un seul enregistrement, il me donne pas les suivant.

Code:

---

Dim r As New Regex("class=""soustitre""><br />([\w\s]+)</a>([\s\S\r\n]+)\x285610C\x29<br />([\w\s]+)</span>")

---

Pourtant quand j'avais:

Code:

---

Dim r As New Regex("class=""soustitre""><br />([\w\s]+)</a>")

---

Il récupérait tout les éléments de la page.
Encore merci de ton aide.

Y'a rien à faire je marrache les cheuveux depuis hier soir avec ce truc.
J'ai essayé comme tu me l'avais demandé une fois.
D'utiliser différend REGEX un par un.
Mais la je n'arrive pas à remplir mon tableau convenablement.

Je suis oblige de remplir mon tableau row par row.

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

Dim RegEx1 As New Regex("class=""soustitre""><br />([\w\s\x27]+)</a>([\s\S\r\n]+)\x285610C\x29<br />([\w\s]+)</span>") Dim RegEx2 As New Regex("([\d]+) ([\D]+) ([\d]+) ([\w\s]+)")       If RegEx1.IsMatch(contenuHTML) Then Dim Match1 As Match For Each Match1 In RegEx1.Matches(contenuHTML) Dim Name As String Dim Adress As String Dim Street As String = "" Dim Numer As String = "" Dim Postcode As String = "" Dim City As String = "" Name = Match1.Groups(1).Value Adress = Match1.Groups(3).Value   If RegEx2.IsMatch(Adress) Then Dim Match2 As Match For Each Match2 In RegEx2.Matches(Adress)   Street = Match2.Groups(2).Value Numer = Match2.Groups(1).Value Postcode = Match2.Groups(3).Value City = Match2.Groups(4).Value Next End If   Dim row As Xceed.Grid.DataRow = Grid_customers.DataRows.AddNew() row.Cells(0).Value = "" row.Cells(1).Value = Name row.Cells(2).Value = Street row.Cells(3).Value = Numer row.Cells(4).Value = Postcode row.Cells(5).Value = City row.EndEdit()     Next   End If

---

J'ai ajouté mon Regex2 pour séparer l'adresse en différente partie. (ça fonctionne)

Il y'en 10 éléments par pages web.
Mon probléme c'est que le Regex1 me donne seulement le 1er élément.

Ca se complique on dirait... ;)

J'ai pas trop le temps de lire en détail ton code, mais tu peux t'inspirer de çà:

Code:

---

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22

Dim r As New Regex("class=""soustitre""><br />([\w\s]+)</a>")   Dim Str As String = TextBox1.Text Dim m As Match = r.Match(Str)     If m.Success Then   For Each m In r.Matches(TextBox1.Text)   Dim rx As New Regex("\x285610C\x29<br />([\w\s]+)</span>") Dim m2 As Match = rx.Match(Str) Dim Result As String   Result = m.Groups(1).ToString Str = Str.Remove(m2.Index, m2.Length)   MessageBox.Show(Result & " " & m2.Groups(1).ToString)   Next   End If

---

Str est une string de sauvegarde pour pouvoir effectuer un remove sans affecter la string source (ici textbox1).

Franchement grave grand magnifique merci.
Sans toi j'aurais déjà foutu tout ça dans la poubelle.

Alors je me suis inspiré de ton code, et j'ai directement compris le truc.
Donc l'extraction se passe sans probléme.

J'ai voulu faire un Ouf! de soulagement, mais non pas encore. :aie:
Les "é", bref les caractére spéciaux me pose probléme.

J'ai trouve sur un post ceci ^\s*[a-zA-Zéèàê]+\s*$
C'est pour pouvoir inclure les "e" avec accent.
Mais je vois pas trop comment l'inclure dans mon regex

"class=""soustitre""><br />([\w\s\x27\x26]+)</a>"

Mais rien à faire, sous toute ses forme j'ai pas réussi.