retirer les balises ds un fichier html

Question

je dois realiser un moteur de recherche sur un certain nombre de page et pour cela je dois recuperer leur contenu et le copier ds un fichier qqc mais je dois prealablement netoyer les pages pour ne recuperer que le texte entre balises! 

merci d'avance!

thiosyiasar · Answer

Salut,

Je crois que l'utilisation des expressions régulières te serais d'un grand secours. Regardes dans Référence, RegExp ou VbScriptRegExp...

Si tu peux attendre jusqu'a demain, je te file un bout de code qui te nettoie la chaine de toute balise html.

cs_rene38 · Answer

Private Sub Command1_Click()
Dim i As Long, j As Long, k As String * 1, Balise As Boolean
Open "FichierHtml.htm" For Binary As #1
Open "FichierTexte.txt" For Binary As #2
Balise = False
For i = 1 To LOF(1)
    Do
        Get 1, i, k         ' lecture des caractères du fichier Html
        
        If k = "<" Then     ' début de balise
            Balise = True
            Exit Do
        End If
        
        If k = ">" Then     ' fin de balise
            Balise = False
            Exit Do
        End If
        
        If Balise Then Exit Do ' dans la balise
        
        j = j + 1              ' hors balise : récupérer le texte
        Put 2, j, k
        Exit Do
      Loop
Next i
Close
End Sub

thiosyiasar · Answer

Comme tu vas surement passer plusieurs pages à la moulinette, tu peux utiliser la méthode BRICOLO ou utiliser celle que je viens de mettre...

http://www.vbfrance.com/article.aspx?Val=5318

bonne prog

Retirer les balises ds un fichier html

3 réponses

Discussions similaires