Boîte à outils 1

Extraction du contenu textuel

Objectif

L'objectif de la BàO1 est de parcourir toute l'arborescence et extraire les contenus textuels de tous les fils RSS : Le contenu des balises est Title et Description. Pour la mise en œuvre de cette boîte, deux méthodes ont été réalisées: la première utilisera un script Perl avec des expressions régulières; la seconde utilisera un script Perl avec la bibliothèque XML::RSS

Version 1 : Les expressions régulières

script perl regexp

Version 2 : La bibliothèque XML::RSS

script perl xml::rss

Résultats

Les résultats obtenus par ces deux programmes sont idendiques et satisfaisants.

Les sorties TXT et XML sont les suivantes:

RUBRIQUE	METHODE REGEXP		METHODE XML::RSS
	Sortie TXT	Sortie XML	Sortie TXT	Sortie XML
Cinéma - 3476	BAO1_3476_Cinema.txt	BAO1_3476_Cinema.xml	BAO1_3476_Cinema.txt	BAO1_3476_Cinema.xml
Culture - 3246	BAO1_3246_Culture.txt	BAO1_3246_Culture.xml	BAO1_3246_Culture.txt	BAO1_3246_Culture.xml
Voyage - 3246	BAO1_3546_Voyage.txt	BAO1_3546_Voyage.xml	BAO1_3546_Voyage.txt	BAO1_3546_Voyage.xml