Dans mon ancien post, on me disait pour récupérer des liens dans une page
HTML d'utiliser les expressions régulières. Ca marche pas mal sauf que je me
prends la tête avec certains caractères réservés aux expressions comme le ?
et le - pour n'en citer quelques uns...
les liens du type href=http://www.trucmuche.html et les href="page.html"
sont facilement récupérables par contre j'ai du mal avec
href="page----.html" et "href="page.php?variable=valeur" par ce qu'ils
utilisent précisément les caractères cités plus haut...
Je n'arrive pas à les prendre en compte voici la regex que j'utilise :
...
String motif = "href=\"[a-z\\W]*\\.[a-z]{3,5}\"";
...
Cette action est irreversible, confirmez la suppression du commentaire ?
Signaler le commentaire
Veuillez sélectionner un problème
Nudité
Violence
Harcèlement
Fraude
Vente illégale
Discours haineux
Terrorisme
Autre
Kupee
guy wrote:
Bonjour à tous ...
Dans mon ancien post, on me disait pour récupérer des liens dans une page HTML d'utiliser les expressions régulières. Ca marche pas mal sauf que je me prends la tête avec certains caractères réservés aux expressions comme le ? et le - pour n'en citer quelques uns...
les liens du type href=http://www.trucmuche.html et les href="page.html" sont facilement récupérables par contre j'ai du mal avec href="page----.html" et "href="page.php?variable=valeur" par ce qu'ils utilisent précisément les caractères cités plus haut...
Je n'arrive pas à les prendre en compte voici la regex que j'utilise : ... String motif = "href="[a-zW]*.[a-z]{3,5}""; ...
Désolé d'insister mais moi je préconisais un parseur html et je fournissait même une url. Après tu fais comme tu veux, mais avec des regexp t'as pas fini d'en baver a mon avis
guy wrote:
Bonjour à tous ...
Dans mon ancien post, on me disait pour récupérer des liens dans une page
HTML d'utiliser les expressions régulières. Ca marche pas mal sauf que je me
prends la tête avec certains caractères réservés aux expressions comme le ?
et le - pour n'en citer quelques uns...
les liens du type href=http://www.trucmuche.html et les href="page.html"
sont facilement récupérables par contre j'ai du mal avec
href="page----.html" et "href="page.php?variable=valeur" par ce qu'ils
utilisent précisément les caractères cités plus haut...
Je n'arrive pas à les prendre en compte voici la regex que j'utilise :
...
String motif = "href="[a-z\W]*\.[a-z]{3,5}"";
...
Désolé d'insister mais moi je préconisais un parseur html et je
fournissait même une url. Après tu fais comme tu veux, mais avec des
regexp t'as pas fini d'en baver a mon avis
Dans mon ancien post, on me disait pour récupérer des liens dans une page HTML d'utiliser les expressions régulières. Ca marche pas mal sauf que je me prends la tête avec certains caractères réservés aux expressions comme le ? et le - pour n'en citer quelques uns...
les liens du type href=http://www.trucmuche.html et les href="page.html" sont facilement récupérables par contre j'ai du mal avec href="page----.html" et "href="page.php?variable=valeur" par ce qu'ils utilisent précisément les caractères cités plus haut...
Je n'arrive pas à les prendre en compte voici la regex que j'utilise : ... String motif = "href="[a-zW]*.[a-z]{3,5}""; ...
Désolé d'insister mais moi je préconisais un parseur html et je fournissait même une url. Après tu fais comme tu veux, mais avec des regexp t'as pas fini d'en baver a mon avis
Stephane Zuckerman
Bonjour,
Dans mon ancien post, on me disait pour récupérer des liens dans une page HTML d'utiliser les expressions régulières. Ca marche pas mal sauf que je me prends la tête avec certains caractères réservés aux expressions comme le ? et le - pour n'en citer quelques uns...
les liens du type href=http://www.trucmuche.html et les href="page.html" sont facilement récupérables par contre j'ai du mal avec href="page----.html" et "href="page.php?variable=valeur" par ce qu'ils utilisent précisément les caractères cités plus haut...
Je n'arrive pas à les prendre en compte voici la regex que j'utilise : ... String motif = "href="[a-zW]*.[a-z]{3,5}"";
-- "Je deteste les ordinateurs : ils font toujours ce que je dis, jamais ce que je veux !" "The obvious mathematical breakthrough would be development of an easy way to factor large prime numbers." (Bill Gates, The Road Ahead)
Bonjour,
Dans mon ancien post, on me disait pour récupérer des liens dans une page
HTML d'utiliser les expressions régulières. Ca marche pas mal sauf que je me
prends la tête avec certains caractères réservés aux expressions comme le ?
et le - pour n'en citer quelques uns...
les liens du type href=http://www.trucmuche.html et les href="page.html"
sont facilement récupérables par contre j'ai du mal avec
href="page----.html" et "href="page.php?variable=valeur" par ce qu'ils
utilisent précisément les caractères cités plus haut...
Je n'arrive pas à les prendre en compte voici la regex que j'utilise :
...
String motif = "href="[a-z\W]*\.[a-z]{3,5}"";
--
"Je deteste les ordinateurs : ils font toujours ce que je dis, jamais ce
que je veux !"
"The obvious mathematical breakthrough would be development of an easy
way to factor large prime numbers." (Bill Gates, The Road Ahead)
Dans mon ancien post, on me disait pour récupérer des liens dans une page HTML d'utiliser les expressions régulières. Ca marche pas mal sauf que je me prends la tête avec certains caractères réservés aux expressions comme le ? et le - pour n'en citer quelques uns...
les liens du type href=http://www.trucmuche.html et les href="page.html" sont facilement récupérables par contre j'ai du mal avec href="page----.html" et "href="page.php?variable=valeur" par ce qu'ils utilisent précisément les caractères cités plus haut...
Je n'arrive pas à les prendre en compte voici la regex que j'utilise : ... String motif = "href="[a-zW]*.[a-z]{3,5}"";
-- "Je deteste les ordinateurs : ils font toujours ce que je dis, jamais ce que je veux !" "The obvious mathematical breakthrough would be development of an easy way to factor large prime numbers." (Bill Gates, The Road Ahead)
Guy
Je vais essayer çà, mais il semble (pour le tiret) que le W qui concerne les non-mots ne prenne pas en compte certains caractères comme le tiret par exemple...
Je rêve où c'est vrai, la doc dit que le w concerne les lettres de a à z, de A à Z, et les chiffres de 0 à 9, plus le caractère souligné je pense... donc le W qui est l'équivalent de ^w devrait prendre en compte tous les autres caractères non ?
Guillaume (qui rame un peu)
"Stephane Zuckerman" a écrit dans le message de news:
Bonjour,
Dans mon ancien post, on me disait pour récupérer des liens dans une page HTML d'utiliser les expressions régulières. Ca marche pas mal sauf que je me prends la tête avec certains caractères réservés aux expressions comme le ? et le - pour n'en citer quelques uns...
les liens du type href=http://www.trucmuche.html et les href="page.html" sont facilement récupérables par contre j'ai du mal avec href="page----.html" et "href="page.php?variable=valeur" par ce qu'ils utilisent précisément les caractères cités plus haut...
Je n'arrive pas à les prendre en compte voici la regex que j'utilise : ... String motif = "href="[a-zW]*.[a-z]{3,5}"";
-- "Je deteste les ordinateurs : ils font toujours ce que je dis, jamais ce que je veux !" "The obvious mathematical breakthrough would be development of an easy way to factor large prime numbers." (Bill Gates, The Road Ahead)
Je vais essayer çà, mais il semble (pour le tiret) que le W qui concerne
les non-mots ne prenne pas en compte certains caractères comme le tiret par
exemple...
Je rêve où c'est vrai, la doc dit que le w concerne les lettres de a à z,
de A à Z, et les chiffres de 0 à 9, plus le caractère souligné je pense...
donc le W qui est l'équivalent de ^w devrait prendre en compte tous les
autres caractères non ?
Guillaume (qui rame un peu)
"Stephane Zuckerman" <szuckerm@etu.utc.fr> a écrit dans le message de news:
Pine.OSF.4.58.0504141651360.421120@vega.utc.fr...
Bonjour,
Dans mon ancien post, on me disait pour récupérer des liens dans une page
HTML d'utiliser les expressions régulières. Ca marche pas mal sauf que je
me
prends la tête avec certains caractères réservés aux expressions comme le
?
et le - pour n'en citer quelques uns...
les liens du type href=http://www.trucmuche.html et les href="page.html"
sont facilement récupérables par contre j'ai du mal avec
href="page----.html" et "href="page.php?variable=valeur" par ce qu'ils
utilisent précisément les caractères cités plus haut...
Je n'arrive pas à les prendre en compte voici la regex que j'utilise :
...
String motif = "href="[a-z\W]*\.[a-z]{3,5}"";
--
"Je deteste les ordinateurs : ils font toujours ce que je dis, jamais ce
que je veux !"
"The obvious mathematical breakthrough would be development of an easy
way to factor large prime numbers." (Bill Gates, The Road Ahead)
Je vais essayer çà, mais il semble (pour le tiret) que le W qui concerne les non-mots ne prenne pas en compte certains caractères comme le tiret par exemple...
Je rêve où c'est vrai, la doc dit que le w concerne les lettres de a à z, de A à Z, et les chiffres de 0 à 9, plus le caractère souligné je pense... donc le W qui est l'équivalent de ^w devrait prendre en compte tous les autres caractères non ?
Guillaume (qui rame un peu)
"Stephane Zuckerman" a écrit dans le message de news:
Bonjour,
Dans mon ancien post, on me disait pour récupérer des liens dans une page HTML d'utiliser les expressions régulières. Ca marche pas mal sauf que je me prends la tête avec certains caractères réservés aux expressions comme le ? et le - pour n'en citer quelques uns...
les liens du type href=http://www.trucmuche.html et les href="page.html" sont facilement récupérables par contre j'ai du mal avec href="page----.html" et "href="page.php?variable=valeur" par ce qu'ils utilisent précisément les caractères cités plus haut...
Je n'arrive pas à les prendre en compte voici la regex que j'utilise : ... String motif = "href="[a-zW]*.[a-z]{3,5}"";
-- "Je deteste les ordinateurs : ils font toujours ce que je dis, jamais ce que je veux !" "The obvious mathematical breakthrough would be development of an easy way to factor large prime numbers." (Bill Gates, The Road Ahead)
Guy
Bon la technique de stéphane ne fonctionne pas (où alors c'est moi) voici le bout de prog : Pb = pas de prise en compte des - et des ? En ce qui concerne les autres post sur des parsers la technique est bonne malheureusement je n'ai pas trouvé satisfaction ... Peut-être sui-je passé à côté de qqch !!!
Pattern p = Pattern.compile(motif); Matcher m = p.matcher(html); while(m.find()) System.out.println(m.group()); }
"Stephane Zuckerman" a écrit dans le message de news:
Bonjour,
Dans mon ancien post, on me disait pour récupérer des liens dans une page HTML d'utiliser les expressions régulières. Ca marche pas mal sauf que je me prends la tête avec certains caractères réservés aux expressions comme le ? et le - pour n'en citer quelques uns...
les liens du type href=http://www.trucmuche.html et les href="page.html" sont facilement récupérables par contre j'ai du mal avec href="page----.html" et "href="page.php?variable=valeur" par ce qu'ils utilisent précisément les caractères cités plus haut...
Je n'arrive pas à les prendre en compte voici la regex que j'utilise : ... String motif = "href="[a-zW]*.[a-z]{3,5}"";
-- "Je deteste les ordinateurs : ils font toujours ce que je dis, jamais ce que je veux !" "The obvious mathematical breakthrough would be development of an easy way to factor large prime numbers." (Bill Gates, The Road Ahead)
Bon la technique de stéphane ne fonctionne pas (où alors c'est moi) voici le
bout de prog :
Pb = pas de prise en compte des - et des ?
En ce qui concerne les autres post sur des parsers la technique est bonne
malheureusement je n'ai pas trouvé satisfaction ...
Peut-être sui-je passé à côté de qqch !!!
Pattern p = Pattern.compile(motif);
Matcher m = p.matcher(html);
while(m.find())
System.out.println(m.group());
}
"Stephane Zuckerman" <szuckerm@etu.utc.fr> a écrit dans le message de news:
Pine.OSF.4.58.0504141651360.421120@vega.utc.fr...
Bonjour,
Dans mon ancien post, on me disait pour récupérer des liens dans une page
HTML d'utiliser les expressions régulières. Ca marche pas mal sauf que je
me
prends la tête avec certains caractères réservés aux expressions comme le
?
et le - pour n'en citer quelques uns...
les liens du type href=http://www.trucmuche.html et les href="page.html"
sont facilement récupérables par contre j'ai du mal avec
href="page----.html" et "href="page.php?variable=valeur" par ce qu'ils
utilisent précisément les caractères cités plus haut...
Je n'arrive pas à les prendre en compte voici la regex que j'utilise :
...
String motif = "href="[a-z\W]*\.[a-z]{3,5}"";
--
"Je deteste les ordinateurs : ils font toujours ce que je dis, jamais ce
que je veux !"
"The obvious mathematical breakthrough would be development of an easy
way to factor large prime numbers." (Bill Gates, The Road Ahead)
Bon la technique de stéphane ne fonctionne pas (où alors c'est moi) voici le bout de prog : Pb = pas de prise en compte des - et des ? En ce qui concerne les autres post sur des parsers la technique est bonne malheureusement je n'ai pas trouvé satisfaction ... Peut-être sui-je passé à côté de qqch !!!
Pattern p = Pattern.compile(motif); Matcher m = p.matcher(html); while(m.find()) System.out.println(m.group()); }
"Stephane Zuckerman" a écrit dans le message de news:
Bonjour,
Dans mon ancien post, on me disait pour récupérer des liens dans une page HTML d'utiliser les expressions régulières. Ca marche pas mal sauf que je me prends la tête avec certains caractères réservés aux expressions comme le ? et le - pour n'en citer quelques uns...
les liens du type href=http://www.trucmuche.html et les href="page.html" sont facilement récupérables par contre j'ai du mal avec href="page----.html" et "href="page.php?variable=valeur" par ce qu'ils utilisent précisément les caractères cités plus haut...
Je n'arrive pas à les prendre en compte voici la regex que j'utilise : ... String motif = "href="[a-zW]*.[a-z]{3,5}"";
-- "Je deteste les ordinateurs : ils font toujours ce que je dis, jamais ce que je veux !" "The obvious mathematical breakthrough would be development of an easy way to factor large prime numbers." (Bill Gates, The Road Ahead)
Guy
Bon après de multiple essai, j'ai enfin trouvé la bonne formule qui semble fonctionner pour tous les liens (enfin j'espère !!!) La voici :
Effectivement la non prise en compte de - et ? dans le W semble être un bug du regex (est-ce un bug ou est-ce normal ??? je sais pas) On peut le contourner en ajoutant p{Punct} et en mettant &&[^caractère] (en remplacant caractère par celui approprié en faisant attention que le caractère en question ne soit pas un caractère de contrôle sinon çà pose problème) Le système a l'air de se mélanger les pinceaux entre les caractères eux-mêmes et les caractères de contrôle
Mais est-il possible d'inclure un caractère ASCII grâce à son numéro ? Cela éviterait bien des problèmes ...
Guillaume
Bon après de multiple essai, j'ai enfin trouvé la bonne formule qui semble
fonctionner pour tous les liens (enfin j'espère !!!)
La voici :
Effectivement la non prise en compte de - et ? dans le W semble être un bug
du regex (est-ce un bug ou est-ce normal ??? je sais pas)
On peut le contourner en ajoutant \p{Punct} et en mettant &&[^caractère]
(en remplacant caractère par celui approprié en faisant attention
que le caractère en question ne soit pas un caractère de contrôle sinon çà
pose problème)
Le système a l'air de se mélanger les pinceaux entre les caractères
eux-mêmes et les caractères de contrôle
Mais est-il possible d'inclure un caractère ASCII grâce à son numéro ? Cela
éviterait bien des problèmes ...
Effectivement la non prise en compte de - et ? dans le W semble être un bug du regex (est-ce un bug ou est-ce normal ??? je sais pas) On peut le contourner en ajoutant p{Punct} et en mettant &&[^caractère] (en remplacant caractère par celui approprié en faisant attention que le caractère en question ne soit pas un caractère de contrôle sinon çà pose problème) Le système a l'air de se mélanger les pinceaux entre les caractères eux-mêmes et les caractères de contrôle
Mais est-il possible d'inclure un caractère ASCII grâce à son numéro ? Cela éviterait bien des problèmes ...
Guillaume
Alain
juste pour info
regarde la bibliothèque java jTidy qui peux lire une page HTML, la nettoyer et la charger comme un arbre DOM XML...
tou t'arrivera tout cuit dans le bec
guy wrote:
Bonjour à tous ...
Dans mon ancien post, on me disait pour récupérer des liens dans une page HTML d'utiliser les expressions régulières. Ca marche pas mal sauf que je me prends la tête avec certains caractères réservés aux expressions comme le ? et le - pour n'en citer quelques uns...
juste pour info
regarde la bibliothèque java jTidy
qui peux lire une page HTML, la nettoyer et la
charger comme un arbre DOM XML...
tou t'arrivera tout cuit dans le bec
guy wrote:
Bonjour à tous ...
Dans mon ancien post, on me disait pour récupérer des liens dans une
page HTML d'utiliser les expressions régulières. Ca marche pas mal
sauf que je me prends la tête avec certains caractères réservés aux
expressions comme le ? et le - pour n'en citer quelques uns...
regarde la bibliothèque java jTidy qui peux lire une page HTML, la nettoyer et la charger comme un arbre DOM XML...
tou t'arrivera tout cuit dans le bec
guy wrote:
Bonjour à tous ...
Dans mon ancien post, on me disait pour récupérer des liens dans une page HTML d'utiliser les expressions régulières. Ca marche pas mal sauf que je me prends la tête avec certains caractères réservés aux expressions comme le ? et le - pour n'en citer quelques uns...
