Bonjour,

suite a mon sujet
je souhaiterais maintenant récupérer certaine infos contenu dans les pages web que j'ai téléchargé, par exemple, les adresses mails ou certains textes contenue dans des balises html...

je pensais utiliser des conditions mais je vois pas trop comment délimiter le texte a récupérer ....

merci d'avance !

Pour récuperer ton texte utilise les expréssions régulière avec re

Ou pas. Il est bien plus intelligent d'utiliser une librairie comme ElementTree (très performante, standard, mais un peu étrange) ou BeautifulSoup (très simple, bien documentée, mais pas standard).

Citation : nicknick63

Ou pas. Il est bien plus intelligent d'utiliser une librairie comme ElementTree (très performante, standard, mais un peu étrange) ou BeautifulSoup (très simple, bien documentée, mais pas standard).

Ba il devra quand même les utiliser, car comment va-t-il pouvoir récupérer les adresses email de la page ? Car là, il récupèrera tout ce qu'il y a dans un noeud, et ensuite il devra le parser pour récupérer les adresses mails.

Pour les adresses mails, si elles sont sémantiquement correctes et donc qu'elles ont un attribut mailto, BeautifulSoup pourra les récupérer, sinon en effet le module re devra s'en charger. Mais ceci dit, il vaut mieux éviter de se faire chier à utiliser les expregs quand une bibliothèque peut faire le travail plus facilement (et rapidement).

Merci a tous, j'ai voulu prendre une librairie du genre beautifoulsoup mais en fait re fait ça très bien donc voila!

voici mon code

html = open('%s.html' % i,'rb').read()
email = "".join(re.findall('([\w\.\-]+@[\w\.\-]+)',html))