[all]Extraction de l'information

Recherche :

Mot : Pseudo : Filtrer
Bas de page
Auteur	Sujet : [all]Extraction de l'information

ProjetGTR

Bonjour à tous,
Voila je commencerai pas dire que je suis débutante....

voila j'ai un logiciel qui me recupere des pages internets d'un site en particulier (donc toujorus au meme format) avec ce logiciel j'ai la possibilité de lancer un programme à chaque page découverte (à la condition que ce programme finit par un .EXE :sweat: ). Donc mon problème est que j'aimerai recuperer uniquement l'information textuelle de ces articles mais quel languages utiliser ? C, Batch(très limiter pour extraction de donnée)?,Bash(ca serait super facile à faire...), perl ? sachant que ce petit programme doit pouvoir etre à la fin convertir en .exe :'(

voila je tourne en bourrique si qqun à une idée, je vous en serai reconnaissante

ps : voici le format du fichier .html :
<td class="avistxt" width="290">On pourrait dire qu'on trouve ....... ....un magazin de mec...</td>
j'aimerais juste recuperer : On pourrait dire qu'on trouve ....... ....un magazin de mec...

merci d'avance à vous

Message édité par ProjetGTR le 13-09-2007 à 11:37:23

Publicité

Joel F

Real men use unique_ptr

perl me parait pas mal.
sino en C++ ou enC doit y avoir des bibliothèques de parsing HTML qui ferait ça.
Mais bon, ca rete de la manip de etxte, donc je prefererais perl.

ProjetGTR

minc alors c'est bien sur PERL que j'en connais le moins :'(
est ce que le fichier.pl pourra être converti facilement en .exe ?
est ce que ca me force à avoir un interpreteur perl sur mon windows ?

Message cité 1 fois
Message édité par ProjetGTR le 13-09-2007 à 11:42:09

franceso

+1 pour perl

Après tu pourra facilement convertir tes programmes perl en exécutables indépendants à l'aide de PAR::Packer

---------------
TriScale innov

franceso

ProjetGTR a écrit :

minc alors c'est bien sur PERL que j'en connais le moins :'(

Ca s'apprend vite... (même si c'est un peu déroutant au début quand on est habitué à d'autres langages comme le C)

ProjetGTR a écrit :

est ce que le fichier.pl pourra être converti facilement en .exe ?

Cf mon post du dessus qui a croisé le tien.

ProjetGTR a écrit :

est ce que ca me force à avoir un interpreteur perl sur mon windows ?

Oui pour développer ton programme. Ensuite, une fois que tu as généré un binaire exécutable, tu peux le faire tourner sur n'importe quelle machine.
C'est un peu comme en C : tu as besoin du compilateur pour développer. Ensuite tu peux distribuer l'exécutable et l'exéctuer sans avoir besoin de compilateur.

Message édité par franceso le 13-09-2007 à 11:47:36

---------------
TriScale innov

ProjetGTR

Merci de vos réponses , j'ai suivi vos conseils et je me lance dans l'apprentissage de PERL... ce qui m'amene à un autre souci

Code :

#!/usr/bin/perl
use strict; use warnings;
use HTML::Parser;
my $page = "./essai.html";
# création de mon parser
my $parser = HTML::Parser->new();
# définition des mes evenements
$parser->handler( text => \&text, "dtext" );
$parser->handler( start => \&start, "tagname,attr" );
$parser->handler( end => \&end, "tagname" );
$parser->parse($page);
{
my $in_span_textegras;
my @data;
sub start {
my ($tag, $attr) = @_;
$in_span_textegras++
if $tag eq 'td' and $attr->{class} eq 'avistxt';
}
sub end {
my ($tag) = @_;
$in_span_textegras--
if $tag eq 'td' and $in_span_textegras;
}
sub text {
my ($text) = @_;
push @data, $text
if $in_span_textegras;
}
}

voila le code que j'ai maintenant, j'ai utilisé le parsing du module HTML ::Parser et tente de recuperer uniquement mon txt mais apparement ce code ne marche pas :'( si vous voyez l'erreur n'hésiter pas

Message édité par ProjetGTR le 13-09-2007 à 12:55:12

Joel F

Real men use unique_ptr

si il ne marche pas, c'est surement que tu ne lui a pas donnr de jambes

Si par contre, il ne fonctionne pas, pourrais tu nous dire si il s'agit d'une erreur d'interpretation ou d'execution ?

ProjetGTR

Enfait ce programme ne retourne rien,
Je tappe dans ma console cmd (je suis sous windows) :

Code :

Perl test3.pl

Il me rend absolument rien donc apparement aucune erreur :s

Message édité par ProjetGTR le 13-09-2007 à 14:07:09

franceso

commence par faire afficher des trucs à tes fonctions start, end, text pour voir ce qui se passe et isoler un peu plus le problème.

---------------
TriScale innov

ProjetGTR

Hum, après pas mal de test :s, j'arrive à extraire mon texte mais j'ai toujours plien d'erreurs lors de l'excution ... si quelqu'un à une idée, je pense que ca doit vraiment être rien :s

à chaque test, voila ce qui en sort :

Citation :

Use of uninitialized value in string eq at test2.pl line 31.
Use of uninitialized value in string eq at test2.pl line 31.
Use of uninitialized value in string eq at test2.pl line 31.
etc..

voici le code (J'ai finalement opté pour un accés directe à internet) :

Code :

#!/usr/bin/perl
use strict;
use warnings;
use LWP::Simple;
use HTML::Parser;
use HTML::Form;
my $page = get( "http://toluna.fr/gradignan_est_parfait-av-919318.html" );
# création de mon parser
my $parser = HTML::Parser->new();
# définition des mes evenements
$parser->handler( text => \&text, "text" );
$parser->handler( start => \&start, "tagname,attr" );
$parser->handler( end => \&end, "tagname" );
$parser->parse($page);
print &get_data();
$parser->eof;
{
my $in;
my @data;
sub start {
my ($tag,$attr) = @_;
$in++ if ($tag eq 'td' and $attr->{class} eq 'avistxt');
}
sub end {
my ($tag) = @_;
$in-- if ($tag eq 'td' and $in='1');
}
sub text {
my ($text) = @_;
push @data, $text if ($in );
}
sub get_data {
#print "in : ".$in;
return @data;
}
}
exit;

Message édité par ProjetGTR le 14-09-2007 à 14:49:52

Publicité

ProjetGTR

ah ! biensur, C'est parce que tous tes td n'ont pas une classe !!!!
[edit]
erf c'etait de courte durée
maintenant j'ai mon fichier.pl qui marche impeccable, je me suis intéressé à la création de mon .exe

donc voila les manips que j'ai faite :

Code :

ppm install PAR
pp -o test2.exe test2.pl

Code :

Compress::Zlib object version 1.22 does not match
oader/0x8b1100/DynaLoader.pm line 225.
Compilation failed in require at /loader/0x8b1100/
BEGIN failed--compilation aborted at /loader/0x8b1
Compilation failed in require at par.pl line 252.

:s une petite idée ?

Message édité par ProjetGTR le 17-09-2007 à 09:07:27

ProjetGTR

Apparement ma version de PAR est la 0.63, il me faut passer en 0.85...
Comment puisse je faire pour passer dans cette version alors que ppm me propose uniquement la vieille version ??

FORUM HardWare.fr

Programmation

Divers

[all]Extraction de l'information

Sujets relatifs
pb avec le"Cannot modify header information - RESOLU	[résolu] extraction du nom de fichier d'une url
Api Windows - Information IE	Information VBA excel
Extraction de plusieurs requêtes SQL Server sous Word ou Excel	Extraction de données à partir d'un fichier
caractères spéciaux : extraction de base de données pour XML	Extraction d'url depuis un fichier
Fouille et extraction de textes	DOM, extraction d'information dans un fichier XML
Plus de sujets relatifs à : [all]Extraction de l'information

Page générée en 0.052 secondes