Forum Programmation.web extraction sur page html

Posté par abdoulfatahou le 25 mai 2007 à 15:50.

Étiquettes : aucune

mai

2007

Bonjour,
je cherche de l'aide. Je cherche un moyen pour extraire d'un fichier html, tout les titres et les paragraphes, structures de la maniere suvante.

NOM DE L'AUTEUR
titre du document (en gras)
resumé du document (paragraphe normale)
editeur annee de sortie (en gras)

exemple:
R. Abirached

Casanova ou la dissipation

Federico Fillini reconnaissait de bonne grâce que le livre de Robert Abirached (1961) avait inspiré son film (1976) : un portrait sans complaisance du célébrissime aventurier vénitien... Séducteur, certes, infatigable baiseur, oui, mais aussi charlatan mondain, tricheur invétéré, pique-assiette international et parasite professionnel, abusant des préjugés de son temps, obsédé par son apparence et prêt élégamment à tout, incapable de créer mais sachant donner l’impression du génie, expert dans l’art d’accommoder son néant - bref, un flamboyant faux jeton.

Casanova, dernier aventurier de l’Europe baroque, révèle de troublantes similitudes avec l’homme moderne qui s’agite au lieu d’agir, consomme le monde au lieu de vivre. Avant Guy Debord et sa « Société du spectacle », Robert Abirached décrit avec brio l’homme du spectacle, pantin mécanique affublé d’une liberté postiche et courant à la poursuite du bonheur... Celui de « raconter » fut peut-être le seul, accomplissement de Casanova. Chez Abirached, dans un sourire, le mystère littéraire rachète « in extremis » la vaine gloire du gigolo.

Editions Titanic / 1996 / 163 pages
....

j'ai pensé y arriver par le moyen de script bash a partir du code source html, >>echec, le decollage impossible :-)

Quelqu'un a une solution pour automatiser l'extraction?

Merci pour vos reponses.

# html2text

Posté par peck (site web personnel) le 25 mai 2007 à 16:07. Évalué à 4.

Le programme html2text te convient-il ?
- [^] # Re: html2text
  
  Posté par abdoulfatahou le 25 mai 2007 à 16:29. Évalué à 1.
  
  Ca extrait le contenu du fichier html effectivement. Merci pour ce bel outil
# entrée

Posté par Olivier Renaud le 27 mai 2007 à 17:57. Évalué à 1.

Tu as donné le résultat que tu veux obtenir, mais tu ne dis pas à quoi ressemble le document en entrée. Pour poster du code html sur ce site il faut le préciser au moment de l'envoi, par contre.

Si ton fichier en entrée est en xhtml, tu peux utiliser un outil de parsing xml soit dans ton langage préféré, soit avec un outil comme xmlstarlet. Des requêtes xpath seraient très efficaces.

Si ce n'est pas du xml, le mieux est d'utiliser une librairie de parsing html, en ruby/python/perl/php/etc...
- [^] # Re: entrée
 
 Posté par abdoulfatahou le 29 mai 2007 à 10:24. Évalué à 1.
 
 Merci pour ton intervention. Le document html se presente comme sur l'exemple de R. Abirached (premier sur le document).
 Je vais me renseigner sur les outils de parsing. Je ne connai aucun des langages que tu as cite. Le but de cette extraction est de pouvoir creer une base de donnee, par la suite.
 au format:
 
 auteur|titre|resume|infos_divers
 
 par le moyen de redirection c'est pour ca que j'ai pense au shell. j'ai cree le script, il demande la categorie du champ extrait (auteur,titre etc...) et renvois le champ extrait dans un fichier texte, mais on s'y perd puisque le document est enorme, j'abandonne le script pour le moment.
 
 Un probleme tres complexe pour mon niveau d'etudiant de premiere annee d'informatique. Dans la mesure ou le document en question peut contenir plusieurs format different.
 
 exemple:
 auteur
 titre
 resume
 infos_divers
 
 titre (du meme auteur)
 resume
 infos_divers
 
 autre auteur
 titre
 resume
 infos_divers
 
 titre
 resume
 infos_divers
 
 un exrtait:
 Michel CORVIN
 
 Lire la Comédie
 
 L’ambition de cet ouvrage est double. D’une part, l’auteur envisage la comédie comme genre. En cela, il montre que la comédie répond à une définition qui doit moins aux quelques lignes qu’Aristote lui a consacrées qu’à un examen attentif de......
 
 Editions Dunod / 1993 / 168 pages
 
 Le Théâtre nouveau en France
 
 Analyse de la dramaturgie nouvelle, les lignes de force du théâtre d'avant-garde, du théâtre poétique, réaliste, politique...
 
 Editions PUF Que sais-je / 1995 / 127 pages
 
 Frédéric DURAND & Thierry PAVELAK
 
 Le psychojonglage
 
 à la découverte du jongleur et de son langage gestuel
 
 Le livre de la Jongle est une enquête. Le but du jeu ? Epingler le personnage du jongleur ........
 
 Edité à compte d’auteur par l’association BIOCIRCUS / 1999 / 251 pages
 
 -------
 Merci d'avoir pris le temps de lire ce long commentaire, j'espere avoir ete clair.
 - [^] # Re: entrée
 
 Posté par Olivier Renaud le 05 juin 2007 à 15:34. Évalué à 1.
 
 Je dois avouer que je n'ai pas compris toute ton histoire sur les differents formats que tu as. Tu veux dire que tous les documents html n'ont pas la même structure ?
 
 Il faudrait que tu nous montre des exemples de code html que tu as en entrée (avec les balises surtout). Pour que les balises s'affichent dans ton commentaire, tu dois sélectionner "texte sans html" avant de poster ton message.
 - [^] # Re: entrée
 
 Posté par Olivier Renaud le 05 juin 2007 à 15:35. Évalué à 1.
 
 Ah tiens au fait, elles sont accessible en ligne quelque part, ces pages html ?
 - [^] # Re: entrée
 
 Posté par abdoulfatahou le 07 juin 2007 à 14:41. Évalué à 1.
 
 Je vais tenter d'etre le plus clair possibe. Mais plus je pense a cet objectif et plus j'ai l'impression de m'eagarer.
 
 J'ai resolu mon probleme par un script bash que je publie plus bas. Je dois avouer que mon probleme etait assez long a expliquer. Surtout que les documents dont j'ai parlé ne figurent sur aucune page sur le web.Je passe par plusieurs etape en utilisant text2html, gedit, un script fais maison, gnumeric (pour structurer avec des separateurs) et enfin phpmyadmin pour construire mes tables mysql.
 
 "Je dois avouer que je n'ai pas compris toute ton histoire sur les differents formats que tu as. Tu veux dire que tous les documents html n'ont pas la même structure ?"
 
 je n'est pas parlé de format
 j'ai parlé de structure au niveau de l'enregistrement des informations, la maniere dont les livres sont copié dans le fichier html
 «
 NOM DE L'AUTEUR
 
 titre du document (en gras)
 
 resumé du document (paragraphe normale)
 
 editeur annee de sortie (en gras)
 
 » (sur des centaines de pages)
 
 -------------------------------------------------------------
 
 Il ya des fois où un de ces paragraphes manque, je voulais pouvoir extraire les donnees du fichier html(par ma premiere idee un script bash, j'ai reussi grace a l'outil recommande 'html2text' plus haut ou avec un parseur comme recommande) puis les classer dans un fichier texte structuré, je remplaces les sauts de ligne par des ' @' à l'aide de gedit. j'obtiens:
 auteur@titre_doc@resumé@infos_editeur@)
 
 exemple:
 "Sandra J. ALBERT@14 février Saint-Valentin@Dans un bureau de placement de New-York dont les affaires ne vont plus très bien, les employées traitent plus de leurs problèmes personnels qu'elles ne font avancer les dossiers ! Et leurs affaires de c½urs en particulier vont remonter à la surface ce 14 février, jour de la St Valentin.@Comédie psychologique avec 7 personnages : 7 femmes - Editions de la Traverse / décembre 1997@Jean-Paul ALEGRE@La Ballade des planches@« La Ballade des planches » se compose, comme « Sur un plateau » d’une série de courtes pièces sur les situations absurdes qui peuvent se produire sur un plateau ayant pour seul thème : le théâtre. L’histoire qu’elles racontent est celle que les troupes, professionnelles ou non, vivent au rythme des saisons, - théâtrales bien entendu. Les comédiens plongent dans un méli-mélo de personnages et d’intrigues, parce qu’ils sont à la recherche « de la bonne réplique » plutôt que du bon texte, spéculant sur la longueur du rôle et non sur la qualité dramatique. Ce qui nous vaut six comédies, la loufoque : « Dernière répétition », une inénarrable : « Le petit chemisier », la grotesque : « Vivons heureux en attendant la mort », la satirique : « Soyons bref », la burlesque : « C’est dur de faire l’Europe » qui invente un idiome latino-gréco-slavo-anglo-saxon des plus réjouissants, et une fantastique : « Les explorateurs », le tout assaisonné des « chants » du matériel. Quand les projecteurs auront été « débranchés », le tube de fond teint « revissé », la « planche qui craque » « rabotée », le « vieux rideau » « démonté », les costumes « rangés », les messages publicitaires passés, au détriment des pièces, que restera-t-il de la création sinon le rire ? Les scènes sont reliées par des chants, mais chacune des pièces peut-être jouée de manière indépendante.@Comédie avec une distribution évolutive de 3 à 20 personnages - Editions L’Avant-Scène n° 1004 / 15 février 1997@Jean-Paul ALEGRE@C’est Jean Moulin qui a gagné !@Le nom de Jean Moulin s’inscrit au fronton des écoles et sur les plaques des rues de nos villes. Aujourd’hui, il existe des petits Mathieu, Stéphane, Patrice, Djamel, William et Maxime, des collégiens passionnés de foot, qui savent confusément que Jean Moulin est un grand résistant, mais qui ne connaissent pas bien les événements historiques. Or, Jean Moulin était aussi un haut fonctionnaire intègre, un caricaturiste de renom, un homme qui aimait les femmes, la musique, la poésie, la peinture, la vie tout simplement... Mais il a croisé un certain Klaus Barbie, le 21 juin 1943...@Drame historique avec 30 personnages - Editions L’Avant-Scène n° 1085 /1er mars 2001@Jean-Paul ALEGRE@"
 
 , puis ensuite les importes sur une base de donnee mysql en utilisant CSV par phpmyadmin et les fonctions d'importation de gnumerique pour les separateurs.
 
 je vous met le script, il est assez long mais me permet d'extraire les champs depuis du texte brut et de classer les infos par un jeu de redirection, juste avant d'importe dans phpmyadmin.
 
 Le scripts contient beaucoup d'erreurs mais fonctionne quand meme (je l'ai ecrit).
 Il demande a chaque fois si le champs du texte extrait est un "auteur, titre, resume ou autre". Moi je reponds, et le script positionne le champ en question dans un fichier de sortie (celui qui servira a l'importation mysql).
 
 un exemple du resultat attendu par le script, le separateur choisi est le "|":
 
 Module|Sous-partie|Auteur|Titre|Resume|Info-supplementaire|
 THEATRE ET JEUNESSE|Pédagogie|Sylvette Pagan|Maquillages d’enfants|Du bout des mains, devenez un peu fée avec Sylvette Pagan et toute sa troupe. Des maquillages bavards, des maquillages coquins, des costumes faciles et colorés, des perruques, des postiches pour tous les enfants les plus sages et les plus délurés.|Editions Fleurus Idées / 1989 / 48 pages|
 THEATRE ET JEUNESSE|Pédagogie|SNAZAROO|Maquillages en cinq minutes|Réussissez comme un professionnel de superbes maquillages de fête en moins de cinq minutes ! Ce livre vous présente une méthode simple et rapide pour transformer les enfants en Pierrot et en clown, en princesse ou en sorcière. Le succès est garanti pour toutes les fêtes : Carnaval, anniversaires, kermesses, et... Vous trouverez dans ce livre : 30 modèles facile à faire ; des photos couleur de chaque maquillage ; un guide du matériel à employer ; des conseils techniques ; des idées toutes simples pour réaliser les accessoires indispensables.|Editions Fleurus Idées / 1992 / 46 pages|
 THEATRE ET JEUNESSE|Pédagogie|Association Nationale de Recherche et d’Action Théâtrale en Milieu Scolaire et Universitaire|L’Enfant, le jeu, le théâtre - Autour des pratiques dramatiques à l’école primaire|Les activités théâtrales et dramatiques se développent en milieu scolaire : classes d’initiation, ateliers, options, formations... Qu’en est-il des pratiques avec des jeunes enfants, à l’école élémentaire ? Quels sont les enjeux, les écueils, les perspectives dans ce domaine ? Exemples, points de vue, témoignages, réflexions.., sont rassemblés dans ces deuxièmes « Cahiers Théâtre/Education » proposés par L’ANRAT (Association Nationale de Recherche et d’Action Théâtrale).|Edition Actes Sud-Papiers / 1990 / 84 pages|
 ........................................
 
 Mon probleme:
 Il peut manquer des champs dans le document, c'est pour ca que j'ai ecrit le script, celui ci remplace les champs manquants par 'XXX'
 
 voici le script:
 
 #extrait les champs auteur,titre,categorie,infos generales
 #sytaxe $fic ./entete ./theme ./info
 #1 prends l'entete de la table (fichiers entete, paramettre 1)
 #2 prends les premieres rubriques content le module et la sous partie (fichier theme parametre 2)
 #3 recupere les champs sur le texte brut (parametre 3)
 #4 sortie de la table au complet (sur le fichier table)
 
 clear
 echo structure du fichier
 cat ./$1
 echo $(cat ./$1)>table
 
 cpt=1
 cpt_champ=0
 fin="EOF"
 
 #infos_divers="*"
 auteur="*"
 titre="*"
 resume="*"
 infos_sup="*"
 dernier_champ_traite=""
 est_ligne_copie="vrai"
 res=$(cat $2)
 
 while [ "$champ" != "$fin" ]
 do
 
 champ=$( cat $3 | grep "@" | cut -d "@" -f $cpt )
 
 if [ "$champ" != "$fin" ]
 then
 echo " "
 echo $champ
 echo Que faire du champ? $i\/num de position \(1,2,3,4$ \/v $vide$\/c $concatener$\/n $nouvel enregistrement$\)
 
 read choix
 
 case $choix in
 i) echo ignore;;
 v) echo champ vide;res=$res\*\|;dernier_champ_traite="";cpt_champ=$(expr $cpt_champ + 1);echo $res;;
 c) echo concatene;res=$res$dernier_champ_traite$champ;;
 n) echo nouvelle ligne;dernier_champ_traite="";auteur="";titre="";champ="";est_ligne_copie="faux";res="";;
 1) res=$res$champ\|;auteur=$champ;dernier_champ_traite=$auteur;cpt_champ=$(expr $cpt_champ + 1);;
 2) res=$res$auteur\|$champ\|;titre=$champ;dernier_champ_traite=$titre;cpt_champ=$(expr $cpt_champ + 1);;
 3) res=$res$auteur\|$titre\|$champ\|;resume=$champ;dernier_champ_traite=$resume;cpt_champ=$(expr $cpt_champ + 1);;
 4) res=$(cat $2)$auteur\|$titre\|$resume\|$champ\|;infos_sup=$champs;dernier_champ_traite=$infos_sup;cpt_champ=$(expr $cpt_champ + 1);est_ligne_copie="faux";;
 #'@' marque une ligne invalide
 *) echo choix invalide!;dernier_champ_traite="";auteur="";titre="";champ="";est_ligne_copie="vrai";res="";echo @>>./table;;
 esac
 
 cpt=$(expr $cpt + 1)
 fi
 
 if [ $cpt_champ -eq 4 ]
 then
 est_ligne_copie="faux"
 fi
 
 if [ "$est_ligne_copie" != "vrai" ]
 then
 echo $res>>./table
 est_ligne_copie="vrai"
 cpt_champ=0
 fi
 
 if [ "$champ" != "$fin" ]
 then
 echo ligne a copier\: $res
 fi
 done
 
 ------------------------------------------------------------------------------------------------
 MERCI BEAUCOUP A CEUX QUI M'ONT LU, MERCI POUR VOS COMMENTAIRES j'ai mis le script pour bien me faire comprendre, j'espere que c'est reussi ;-). DESOLE POUR LES FAUTES D'ORTHO.
 - [^] # Re: entrée
 
 Posté par Olivier Renaud le 07 juin 2007 à 18:24. Évalué à 1.
 
 Moi je veux bien t'aider, mais bon le titre de ton post à la base c'est "extraction sur page html".
 
 Et pour l'instant j'ai toujours pas vu une seule balise html !
 
 [^] # Re: entrée
 
 Posté par abdoulfatahou le 08 juin 2007 à 11:30. Évalué à 1.
 
 Ouais, je te remercie, mais j'ai deja eu un logiciel pour ca, html2text. 2eme commentaire.
 Le logiciel extrait tout d'un seul coup.
 C'est pas tres mal, mais un parseur me conviendrais mieux. Je ne sais pas vraiment comment ca marche mais j'imagine qu'il extrait par exemple chaque categorie (paragraphe et titre).
 
 Le code html n'a pas vraiment beaucoup d'interet pour moi. Je te le montre plus bas:
 
 <!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.0 Transitional//EN">
 <html>
 <head>
 
 <meta http-equiv="CONTENT-TYPE" content="text/html; charset=utf-8">
 <title></title>
 
 <meta name="GENERATOR" content="OpenOffice.org 2.0 (Linux)">
 
 <meta name="AUTHOR" content="dev">
 
 <meta name="CREATED" content="20070524;13470700">
 
 <meta name="CHANGEDBY" content="dev">
 
 <meta name="CHANGED" content="20070524;13474400">
 
 <style type="text/css">
 
 </style>
 </head>
 
 <body style="direction: ltr;" lang="fr-FR">
 
 
 
 
 
 <p style="background: rgb(0, 0, 0) none repeat scroll 0% 50%; -moz-background-clip: initial; -moz-background-origin: initial; -moz-background-inline-policy: initial; margin-left: -0.25cm; margin-right: 12.5cm; margin-bottom: 0cm;" align="center">
 Robert
 ABIRACHED
 
 Casanova
 ou la dissipation
 
 
 
 
 
 Federico
 Fillini reconnaissait de bonne grâce que le livre de Robert
 Abirached (1961) avait inspiré son film (1976) : un portrait
 sans complaisance du célébrissime aventurier
 vénitien... Séducteur, certes, infatigable
 baiseur,
 oui, mais aussi charlatan mondain, tricheur
 invétéré,
 pique-assiette international et parasite professionnel, abusant des
 préjugés de son temps,
 obsédé par son
 apparence et prêt élégamment
 à tout,
 incapable de créer mais sachant donner
 l’impression du
 génie, expert dans l’art d’accommoder
 son néant -
 bref, un flamboyant faux jeton.
 
 Casanova,
 dernier aventurier de l’Europe baroque,
 révèle de
 troublantes similitudes avec l’homme moderne qui
 s’agite au lieu
 d’agir, consomme le monde au lieu de vivre. Avant Guy Debord
 et sa
 « Société du
 spectacle », Robert
 Abirached décrit avec brio l’homme du spectacle,
 pantin
 mécanique affublé d’une
 liberté postiche et
 courant à la poursuite du bonheur... Celui de
 « raconter »
 fut peut-être le seul, accomplissement de Casanova. Chez
 Abirached, dans un sourire, le mystère littéraire
 rachète « in
 extremis » la vaine gloire
 du gigolo.
 
 
 
 
 
 Editions
 Titanic / 1996 / 163 pages
 
 
 
 
 
 
 
 
 
 La
 crise du personnage dans le théâtre moderne
 
 
 
 
 
 Sosie
 ou fantôme, mannequin ou icône, qu’est-ce
 que le
 personnage de théâtre ? Contrairement au
 comédien
 chargé de l’incarner, il n’a
 guère été
 étudié jusqu’ici c’est
 à quoi s’emploie ce
 livre, qui va constamment des &oelig;uvres à leurs
 représentations,
 des théories aux pratiques scéniques, de
 l’acteur
 au spectateur. Dans une traversée de l’histoire du
 théâtre,
 conduite d’un point de vue original, Robert
 Abirached aide à
 comprendre le difficile parcours de la figuration à la
 défiguration qui a marqué, depuis un
 siècle, la
 scène occidentale.
 
 Notre
 société a-t-elle encore besoin de
 l’entremise du
 personnage pour se représenter, alors qu’elle se
 donne
 directement en spectacle à elle-même dans
 une
 omniprésente exhibition ? Cette question, si elle
 concerne d’abord le théâtre et son
 avenir parmi nous,
 met en jeu le statut même de l’image dans le monde
 moderne,
 en délicate balance entre l’imaginaire et le
 réel.
 
 
 
 
 
 
 Editions
 Gallimard / 1994 / 506 pages
 
 Etc................................
 
 [^] # Re: entrée
 
 Posté par Olivier Renaud le 10 juin 2007 à 18:54. Évalué à 1.
 
 Bon, c'est déja mieux. Dommage que le code html soit si horrible ! Ça aurait simplifié la tache, d'avoir une vraie structure derrière tout ça.
 
 J'ai écrit un petit script qui extrait les données qui t'intérressent, pour te montrer ce qu'il est possible de faire. En tout cas ça fonctionne pour l'exemple que tu as donné. C'est du Ruby, et ça utilise deux librairies externes (en fait, c'était une occasion pour moi de tester hpricot, le parseur html).
 
 Voila le code : http://pastie.caboo.se/69276
 
 Pour le faire fonctionner, il te faut l'intepréteur Ruby 1.8
 Il te faut aussi les librairies hpricot et htmlentities. Pour les installer voila la marche à suivre :
 - installer rubygems
 - executer dans un terminal "gem install hpricot"
 - puis "gem install htmlentities"
 
 Si t'as été capable de pondre le script bash que tu as montré, tu devrais pouvoir t'en sortir avec ce bout de code, même si tu n'es pas familier de ruby :)
 Si tu veux ensuite insérer les données extraites vers une bdd, tu peux regarder du coté de la librairie DBI, par exemple.
 
 Bon courage !
 
 [^] # Re: entrée
 
 Posté par abdoulfatahou le 12 juin 2007 à 11:28. Évalué à 1.
 
 Salut,
 Merci pour ce beau script, je voulais exactement un truc comme ca, qui soit capable de reperer les balises.
 Mais comme je ne savais pas ou trouver un outil de ce genre j'ai ecrit le script bash. Je vais me plonger la tete sur ton script, meme si je ne connais pas ruby ca sera l'occasion d'etudier le language en general.
 
 Je viens juste de me lancé une petite bataille avec apt de ubuntu dapper pour installer les librairies.
 
 10*merci
 Cordialement.
 
 [^] # Re: entrée
 
 Posté par abdoulfatahou le 12 juin 2007 à 13:36. Évalué à 1.
 
 cool ton pastie la, je ne connaissais pas il est vraiùment bien
 le script bash: http://pastie.caboo.se/69731
 c'est plus joli a voir :-)
 
 [^] # Re: entrée
 
 Posté par abdoulfatahou le 12 juin 2007 à 15:07. Évalué à 1.
 
 salut,
 
 apres une bonne heure de galere a installer ruby et hpricot
 je lance
 
 $ sudo ruby1.8 ./test_ruby.rb
 
 test_ruby.rb est le script que tu m'a donne
 j'ai les erreurs suivante:
 
 /usr/local/lib/site_ruby/1.8/rubygems/custom_require.rb:27:in `gem_original_require': no such file to load -- hpricot (LoadError)
 from /usr/local/lib/site_ruby/1.8/rubygems/custom_require.rb:27:in `require'
 from ./test_ruby.rb:2
 
 J'abandonne pour aujourdhui, à moins que tu aies une solution a ce probleme.
 
 ps:
 J'en ai appris pas mal sur le fonctionnement de ruby, ca m'a l'air puissant mais un peu complique comme language.
 
 [^] # echec de hpricot
 
 Posté par abdoulfatahou le 12 juin 2007 à 15:23. Évalué à 1.
 
 installation bidon :(
 $ sudo gem install hpricot
 Select which gem to install for your platform (i486-linux)
 1. hpricot 0.5.150 (mswin32)
 2. hpricot 0.5.150 (ruby)
 3. hpricot 0.5.150 (jruby)
 4. hpricot 0.5.145 (ruby)
 5. hpricot 0.5.145 (jruby)
 6. hpricot 0.5.145 (mswin32)
 7. Skip this gem
 8. Cancel installation
 > 4
 Building native extensions. This could take a while...
 ERROR: While executing gem ... (Gem::Installer::ExtensionBuildError)
 ERROR: Failed to build gem native extension.
 
 ruby extconf.rb install hpricot
 sh: ruby : commande introuvable
 
 Gem files will remain installed in /usr/lib/ruby/gems/1.8/gems/hpricot-0.5.145 for inspection.
 Results logged to /usr/lib/ruby/gems/1.8/gems/hpricot-0.5.145/ext/hpricot_scan/gem_make.out
 
 Moi j'ai installé ruby1.8 ca doit etre du a ca, il ne trouve pas ruby tout court.
 
 help! aidez moi.
 
 [^] # Re: echec de hpricot
 
 Posté par Olivier Renaud le 12 juin 2007 à 16:38. Évalué à 1.
 
 l'installation de hpricot foire parce qu'il n'y a pas d'executable qui s'appelle "ruby" sur ton système, juste un "ruby1.8"
 
 Ca vient du packaging de ta distribution, ça permet d'installer plusieurs versions differentes de l'interpreteur. Peut être que tu as installé ruby en faisant apt-get install ruby1.8, au lieu de apt-get install ruby ?
 
 Sinon, tu peux tout simplement créer un lien symbolique (ln -s /usr/bin/ruby1.8 /usr/bin/ruby), mais c'est en dernier recours.
 
 Tu pourras aussi installer irb , ri, et rdoc pour programmer en ruby (l'interpreteur interactif, la doc en ligne et le generateur de docs)
 
 Bonne chance :)
 
 [^] # Re: echec de hpricot
 
 Posté par abdoulfatahou le 12 juin 2007 à 17:04. Évalué à 1.
 
 le $sudo apt-get install ruby
 ne marche pas, il me montre que ruby1.8 et 1.6 et 1.9
 
 j'aurai du pense au lien symbolique
 j'avais plus d'idee. maintenant j'ai les erreurs suivante:
 
 apres creation du lien symbolique
 
 $ sudo gem install hpricot
 Select which gem to install for your platform (i486-linux)
 1. hpricot 0.5.150 (mswin32)
 2. hpricot 0.5.150 (ruby)
 3. hpricot 0.5.150 (jruby)
 4. hpricot 0.5.145 (ruby)
 5. hpricot 0.5.145 (jruby)
 6. hpricot 0.5.145 (mswin32)
 7. Skip this gem
 8. Cancel installation
 > 4
 Building native extensions. This could take a while...
 ERROR: While executing gem ... (Gem::Installer::ExtensionBuildError)
 ERROR: Failed to build gem native extension.
 
 ruby extconf.rb install hpricot
 extconf.rb:1:in `require': no such file to load -- mkmf (LoadError)
 from extconf.rb:1
 
 Gem files will remain installed in /usr/lib/ruby/gems/1.8/gems/hpricot-0.5.145 for inspection.
 Results logged to /usr/lib/ruby/gems/1.8/gems/hpricot-0.5.145/ext/hpricot_scan/gem_make.out
 
 Ah j'ai pas de chance aujourd'hui.
 
 [^] # Re: echec de hpricot
 
 Posté par Olivier Renaud le 13 juin 2007 à 10:39. Évalué à 1.
 
 Effectivement t'as pas de bol. Ca vient encore du systeme de package de debian/ubuntu, qui fragmente au maximum les paquets.
 
 Ce qu'il te manque est dans ruby1.8-dev.
 
 Donc, apt-get install ruby1.8-dev
 
 [^] # echec de hpricot, le make
 
 Posté par abdoulfatahou le 13 juin 2007 à 13:51. Évalué à 1.
 
 voila j'ai installé le dev, apres l'installation de hpricot ne trouve pas "make"
 ci-bas:
 
 $ sudo gem install hpricot
 Need to update 2 gems from http://gems.rubyforge.org
 ..
 complete
 Select which gem to install for your platform (i486-linux)
 1. hpricot 0.5.150 (mswin32)
 2. hpricot 0.5.150 (jruby)
 3. hpricot 0.5.150 (ruby)
 4. hpricot 0.5.145 (jruby)
 5. hpricot 0.5.145 (ruby)
 6. hpricot 0.5.145 (mswin32)
 7. Skip this gem
 8. Cancel installation
 > 3
 Building native extensions. This could take a while...
 ERROR: While executing gem ... (Gem::Installer::ExtensionBuildError)
 ERROR: Failed to build gem native extension.
 
 ruby extconf.rb install hpricot
 checking for main() in -lc... yes
 creating Makefile
 
 make
 sh: make : commande introuvable
 
 C'est pas juste, decidement j'ai vraiment pas de bol :-)
 
 [^] # Re: echec de hpricot, le make
 
 Posté par Olivier Renaud le 13 juin 2007 à 14:14. Évalué à 1.
 
 y'a pas make d'installé de base dans ubuntu ? Bon là t'aurais pu faire un effort quand même : apt-get install make
 
 [^] # Re: echec de hpricot, le make
 
 Posté par abdoulfatahou le 13 juin 2007 à 14:33. Évalué à 1.
 
 la j'ai fait l'effort mais j'ai eu ca
 
 $ sudo apt-get install make
 Lecture des listes de paquets... Fait
 Construction de l'arbre des dépendances... Fait
 Aucune version du paquet make n'est disponible, mais il existe dans la base
 de données. Cela signifie en général que le paquet est manquant, qu'il est devenu obsolète
 ou qu'il n'est disponible que sur une autre source
 E: Aucun paquet ne correspond au paquet make
 
 j'ai une vielle ubuntu dapper, je doit verifier peut etre mes depots.
 
 deb http://archive.ubuntu.com/ubuntu/ dapper-updates main restricted
 deb http://archive.ubuntu.com/ubuntu/ dapper-security main restricted
 deb http://archive.ubuntu.com/ubuntu/ dapper universe multiverse
 deb http://archive.ubuntu.com/ubuntu/ dapper-updates universe multiverse
 deb http://archive.ubuntu.com/ubuntu/ dapper-security universe multiverse
 deb http://archive.ubuntu.com/ubuntu/ dapper-backports main restricted universe multiverse
 
 deb http://security.ubuntu.com/ubuntu dapper-security main restricted
 deb-src http://security.ubuntu.com/ubuntu dapper-security main restricted
 deb http://security.ubuntu.com/ubuntu dapper-security universe
 deb-src http://security.ubuntu.com/ubuntu dapper-security universe
 
 deb http://fr.archive.ubuntu.com/ubuntu/ dapper universe
 deb-src http://fr.archive.ubuntu.com/ubuntu/ dapper universe
 
 sur debian ca serait fait de puis un bail, la c'est lordi de la societe ou je fait mon stage, jsuis vraiment desole.
 
 [^] # Re: echec de hpricot, le make
 
 Posté par Olivier Renaud le 13 juin 2007 à 15:07. Évalué à 1.
 
 bizarre... question con : t'as fait un apt-get update ?
 
 [^] # Re: echec de hpricot, le make
 
 Posté par abdoulfatahou le 13 juin 2007 à 15:13. Évalué à 1.
 
 oui monsieur
 
 [^] # Re: echec de hpricot, le make
 
 Posté par Olivier Renaud le 13 juin 2007 à 16:01. Évalué à 1.
 
 J'avais pas vu, tu n'as pas le repository de base :
 
 deb http://archive.ubuntu.com/ubuntu/ dapper main restricted
 
 Tu peux l'ajouter ?
 
 [^] # Re: echec de hpricot, le make
 
 Posté par abdoulfatahou le 13 juin 2007 à 16:29. Évalué à 1.
 
 oue, jlavais pas
 
 $ sudo gem install hpricot
 Select which gem to install for your platform (i486-linux)
 1. hpricot 0.5.150 (mswin32)
 2. hpricot 0.5.150 (jruby)
 3. hpricot 0.5.150 (ruby)
 4. hpricot 0.5.145 (jruby)
 5. hpricot 0.5.145 (ruby)
 6. hpricot 0.5.145 (mswin32)
 7. Skip this gem
 8. Cancel installation
 > 3
 Building native extensions. This could take a while...
 Successfully installed hpricot-0.5.150
 Installing ri documentation for hpricot-0.5.150...
 
 lib/hpricot/builder.rb:25:61: ':' not followed by identified or operator
 
 lib/hpricot/elements.rb:477:39: 'attr' ignored - looks like a variable
 
 lib/hpricot/elements.rb:477:66: 'attr' ignored - looks like a variable
 Installing RDoc documentation for hpricot-0.5.150...
 
 lib/hpricot/builder.rb:25:61: ':' not followed by identified or operator
 
 lib/hpricot/elements.rb:477:39: 'attr' ignored - looks like a variable
 
 lib/hpricot/elements.rb:477:66: 'attr' ignored - looks like a variable
 
 je ne sais pas si l'installation s'est deroulee correctement mais ca s'annone pas bien. Je vais tester ton script pour voir si ca reconnais hpricot
 merci pour le depot
 
 [^] # Re: echec de hpricot, le make
 
 Posté par Olivier Renaud le 13 juin 2007 à 16:41. Évalué à 1.
 
 Si, l'install est correcte (Successfully installed hpricot-0.5.150)
 C'est la génération de la doc qui a l'air de s'etre un peu pris les pieds dans le tapis, mais c'est pas bien grave.
 
 Bon, si tu as des questions sur le script demande moi par mail. Je t'envoie un message privé pour te le donner.
 
 [^] # Re: echec de hpricot, le make
 
 Posté par abdoulfatahou le 13 juin 2007 à 16:49. Évalué à 1.
 
 j'ai l'impression que c po pour aujourdhui ruby
 l'include de htmlentities pose un probleme de path semblerai t'il
 
 $ ruby ./test_ruby.rb
 /usr/local/lib/site_ruby/1.8/rubygems/custom_require.rb:27:in `gem_original_require': no such file to load -- htmlentities (LoadError)
 from /usr/local/lib/site_ruby/1.8/rubygems/custom_require.rb:27:in `require'
 from ./test_ruby.rb:3
 
 [^] # Re: echec de hpricot, le make
 
 Posté par Olivier Renaud le 13 juin 2007 à 18:41. Évalué à 1.
 
 tu l'as installé au moins ?
 
 gem install htmlentities
 
 [^] # Re: echec de hpricot, le make
 
 Posté par abdoulfatahou le 14 juin 2007 à 09:21. Évalué à 1.
 
 Bonjour,
 J'ai oublié de te montrer:
 
 $ gem install htmlentities
 ERROR: Error installing gem htmlentities[.gem]: undefined method `include?' for nil:NilClass
 
 pour l'execution du script j'ai ca:
 
 $ ruby ./test_ruby.rb
 ./test_ruby.rb:48:in `initialize': No such file or directory - entry.html (Errno::ENOENT)
 
 ligne 48:
 "doc = open("entry.html") {|f| Hpricot(f)}"
 J'ai creer un fichier entry.html dans le dossier du script mais ya rien a faire ca marche pas.
 
 J'imagine que ca vient de htmlentities
 
 Help! C'est completent hors de mes competences. :-)
 
 [^] # Re: echec de hpricot, le make
 
 Posté par Olivier Renaud le 14 juin 2007 à 09:57. Évalué à 1.
 
 Essaye gem update --system
 Et utilise mon mail pour les prochaines questions, stp.
 
 [^] # Re: entrée
 
 Posté par Olivier Renaud le 12 juin 2007 à 16:42. Évalué à 1.
 
 Oui c'est sympa pastie. Et puis surtout, c'est codé en Ruby (ruby on rails) :-]

Suivre le flux des commentaires

Note : les commentaires appartiennent à celles et ceux qui les ont postés. Nous n’en sommes pas responsables.