
Pour extraire les liens d'une page (ou tout autre balise, en fait), vous avez trois approches :
- DOM, avec getElementsByTagName
- Xpath, avec query('//a')
- Les expressions rationnelles, avec moult solutions publiques et privées
Au final, les deux premières sont acceptables si les pages sont valides d'un point de vue XML, ce qui est encore loin d'être le cas de toutes les sites. La dernière est moins performante et élégante, mais c'est un tout-terrain. Pour le choix final, il faudra alors s'adapter.
- Get links with XPath
- DOM, avec getElementsByTagName
- Xpath, avec query('//a')
- Les expressions rationnelles, avec moult solutions publiques et privées
Au final, les deux premières sont acceptables si les pages sont valides d'un point de vue XML, ce qui est encore loin d'être le cas de toutes les sites. La dernière est moins performante et élégante, mais c'est un tout-terrain. Pour le choix final, il faudra alors s'adapter.
- Get links with XPath
-
Auteur
-
Origine