Parser une page

[reg34000]

Bonjour je viens de découvrir qu'il est possible de parse des pages internet

j'avoue que je suis perdu personne n'aurais un petit coup de pouce a me donner pour récupérer par exemple sur la page les info suivantes :

Nom de la commune : Lisle-en-Rigault

Superficie : 1054 hectares

Altitude : 187 mètres

et les enregistrer dans un fichier

idem pour toutes les communes

sachant que je peux avoir la liste des communes (qui est la variable de la regete).

[CharlyBrok]

Salut,

Si c'est un site internet peux tu mettre le lien pour voir comment est construite la page ?

Je pense qu'il faut s'appuyer sur les balises de la commune, superficie et altitude...

si ça te parait idiot c'est que j'ai rien compris... (ça arrive )

[reg34000]

Salut je bloque sur un petit script pour traiter le code suivant

<table>

<tr>

<td><h4>Nom de la commune</h4><strong>Lisle-en-Rigault</strong></td>

<td><h4>Région</h4><a href="./regions.html?mode=detail&reg=57" title="fiche de la région">Lorraine</a></td>

</tr>

</table>

<div class="donnees">

<h4>Généralités historiques</h4>

<p><ul><li>Occupation préhistorique.</li>

</ul></p>

<h4>Vestiges préhistoriques et antiques</h4>

<p><ul><li>Grottes dans la vallée du Boulou.</li>

</ul></p>

Avec le script suivant j'arrive a récupérer comme info le "nom de la commune" mais pas les "Vestiges préhistoriques et antiques"

$fp = fopen("...", "r");

while (!feof($fp)) {

$ligne = fgetss($fp, 4096);

if ( strstr($ligne,'Nom de la commune'))

{

$commune = substr(strstr($ligne,'Nom de la commune'),17) ;

}

if ( strstr($ligne,'Région'))

{

$region = substr(strstr($ligne,'Région'),6) ;

}

if ( strstr($ligne,'Vestiges préhistoriques et antiques'))

{

$vpa = substr(strstr($ligne,'Vestiges préhistoriques et antiques'),36) ;

}

}

je ne comprend pas pourquoi cela fonctionne pour le nom de la commune et la région et non pour le reste ?

[theocrite]

Tu as déja des parsers HTML tout fait en php

http://php-html.sourceforge.net/

http://www.phpit.net/code/html-parser-class/

Je ne sais pas ce que ça vaut par contre.

[reg34000]

ok merci donc voici le script

les explication sont en anglais

serait il possible de commenter et expliquer le script

Quae faut il paramettrer modifier ?

<?php 

/** 
* HTML/XML Parser Class 
* 
* This is a helper class that is used to parse HTML and XML. A unique feature of this parsing class  
* is the fact that it includes support for innerHTML (which isn't easy to do). 
* 
* @author Dennis Pallett 
* @copyright Dennis Pallett 2006 
* @package HTML_Parser 
* @version 1.0 
*/ 

// Helper Class 
// To parse HTML/XML 
Class HTML_Parser { 
// Private properties 
var $_parser; 
var $_tags = array(); 
var $_html; 
var $output = array(); 
var $strXmlData; 
var $_level = 0; 
var $_outline; 
var $_tagcount = array(); 
var $xml_error = false; 
var $xml_error_code; 
var $xml_error_string; 
var $xml_error_line_number; 

function get_html () { 
	return $this->_html; 
} 

function parse($strInputXML) { 
	$this->output = array(); 

	// Translate entities 
	$strInputXML = $this->translate_entities($strInputXML); 

	$this->_parser = xml_parser_create (); 
	xml_parser_set_option($this->_parser, XML_OPTION_CASE_FOLDING, true); 
	xml_set_object($this->_parser,$this); 
	xml_set_element_handler($this->_parser, "tagOpen", "tagClosed"); 

	xml_set_character_data_handler($this->_parser, "tagData"); 

	$this->strXmlData = xml_parse($this->_parser,$strInputXML ); 

	if (!$this->strXmlData) { 
		$this->xml_error = true; 
		$this->xml_error_code = xml_get_error_code($this->_parser); 
		$this->xml_error_string = xml_error_string(xml_get_error_code($this->_parser)); 
		$this->xml_error_line_number =  xml_get_current_line_number($this->_parser); 
		return false; 
	} 

	return $this->output; 
} 


function tagOpen($parser, $name, $attr) { 
	// Increase level 
	$this->_level++; 

	// Create tag: 
	$newtag = $this->create_tag($name, $attr); 

	// Build tag 
	$tag = array("name"=>$name,"attr"=>$attr, "level"=>$this->_level); 

	// Add tag 
	array_push ($this->output, $tag); 

	// Add tag to this level 
	$this->_tags[$this->_level] = $tag; 

	// Add to HTML 
	$this->_html .= $newtag; 

	// Add to outline 
	$this->_outline .= $this->_level . $newtag; 
} 

function create_tag ($name, $attr) { 
	// Create tag: 
	# Begin with name 
	$tag = '<' . strtolower($name) . ' '; 

	# Create attribute list 
	foreach ($attr as $key=>$val) { 
		$tag .= strtolower($key) . '="' . htmlentities($val) . '" '; 
	} 

	# Finish tag 
	$tag = trim($tag); 

	switch(strtolower($name)) { 
		case 'br': 
		case 'input': 
			$tag .= ' /'; 
		break; 
	} 

	$tag .= '>'; 

	return $tag; 
} 

function tagData($parser, $tagData) { 
	if(trim($tagData)) { 
		if(isset($this->output[count($this->output)-1]['tagData'])) { 
			$this->output[count($this->output)-1]['tagData'] .= $tagData; 
		} else { 
			$this->output[count($this->output)-1]['tagData'] = $tagData; 
		} 
	} 

	$this->_html .= htmlentities($tagData); 
	$this->_outline .= htmlentities($tagData); 
} 

function tagClosed($parser, $name) { 
	// Add to HTML and outline 
	switch (strtolower($name)) { 
		case 'br': 
		case 'input': 
			break; 
		default: 
		$this->_outline .= $this->_level . '</' . strtolower($name) . '>'; 
		$this->_html .= '</' . strtolower($name) . '>'; 
	} 

	// Get tag that belongs to this end 
	$tag = $this->_tags[$this->_level]; 
	$tag = $this->create_tag($tag['name'], $tag['attr']); 

	// Try to get innerHTML 
	$regex = '%' . preg_quote($this->_level . $tag, '%') . '(.*?)' . preg_quote($this->_level . '</' . strtolower($name) . '>', '%') . '%is'; 
	preg_match ($regex, $this->_outline, $matches); 

	// Get innerHTML 
	if (isset($matches['1'])) { 
		$innerhtml = $matches['1']; 
	} 

	// Remove level identifiers 
	$this->_outline = str_replace($this->_level . $tag, $tag, $this->_outline); 
	$this->_outline = str_replace($this->_level . '</' . strtolower($name) . '>', '</' . strtolower($name) . '>', $this->_outline); 

	// Add innerHTML 
	if (isset($innerhtml)) { 
		$this->output[count($this->output)-1]['innerhtml'] = $innerhtml; 
	} 

	// Fix tree 
	$this->output[count($this->output)-2]['children'][] = $this->output[count($this->output)-1]; 
	array_pop($this->output); 

	// Decrease level 
	$this->_level--; 
} 

function translate_entities($xmlSource, $reverse =FALSE) { 
	static $literal2NumericEntity; 

	if (empty($literal2NumericEntity)) { 
		$transTbl = get_html_translation_table(HTML_ENTITIES); 

		foreach ($transTbl as $char => $entity) { 
			if (strpos('&"<>', $char) !== FALSE) continue; 
				$literal2NumericEntity[$entity] = ''.ord($char).';'; 
			} 
		} 

		if ($reverse) { 
			return strtr($xmlSource, array_flip($literal2NumericEntity)); 
		} else { 
			return strtr($xmlSource, $literal2NumericEntity); 
		} 
  } 
} 

// To be used like this 
$parser = new HTML_Parser; 
$output = $parser->parse($html); 

print_r ($output); 

?> 

[theocrite]

serait il possible de commenter et expliquer le script

Quae faut il paramettrer modifier ?

[...]
// À utiliser comme ça
$parser = new HTML_Parser; 
$output = $parser->parse($html); 

print_r ($output); 
?> 

Le print_r affichera tout ce que contient la variable $output.

La variable $html à passer semble être un tableau représentant le contenu de la page en question.

[reg34000]

je je veux parser la page www.machin.com je fait quoi j'ai pas bien compris

[theocrite]

 $fp = fopen("www.machin.com", "r");

while (!feof($fp)) {
$ligne = fgetss($fp, 4096); 

$parser = new HTML_Parser;
$output = $parser->parse($html);

print_r ($output); 

[reg34000]

il me marque

Parse error: syntax error, unexpected $end in /index.php on line 195

c'est a dire a cette ligne :

?>

[tsubasaleguedin]

il me marque

Parse error: syntax error, unexpected $end in /index.php on line 195

c'est a dire a cette ligne :

?>

; ou ( ou ) ou { ou } ou [ ou ] qui manque quelque part ...

[theocrite]

Ferme le while.

Tu as des notions de programmation quand même ?

Tu as un éditeur qui fait de la coloratrion syntaxique ?