Livres
Elixir
Chapitre 11. HTML et le Web
Analyse Syntaxique du HTML

Elixir:
Analyse Syntaxique du HTML

Comment faire :

Elixir, avec son modèle robuste de concurrence et son paradigme de programmation fonctionnelle, n’inclut pas de capacités d’analyse HTML intégrées. Cependant, vous pouvez utiliser des bibliothèques tierces populaires comme Floki à cet effet. Floki rend l’analyse de HTML intuitive et efficace, en tirant parti des fonctionnalités de correspondance de motifs et de mise en pipeline d’Elixir.

Tout d’abord, ajoutez Floki à vos dépendances dans mix.exs :

defp deps do
  [
    {:floki, "~> 0.31.0"}
  ]
end

Ensuite, exécutez mix deps.get pour installer la nouvelle dépendance.

Maintenant, analysons une simple chaîne HTML pour extraire des données. Nous rechercherons les titres à l’intérieur des balises <h1> :

html_content = """
<html>
  <body>
    <h1>Bonjour, Elixir !</h1>
    <h1>Un Autre Titre</h1>
  </body>
</html>
"""

titles = html_content
         |> Floki.find("h1")
         |> Floki.text()

IO.inspect(titles)

Exemple de sortie :

["Bonjour, Elixir !", "Un Autre Titre"]

Pour approfondir, disons que vous souhaitez extraire des liens (balises <a>) ainsi que leurs attributs href. Voici comment vous pouvez y parvenir :

html_content = """
<html>
  <body>
    <a href="https://elixir-lang.org/">Site Officiel d'Elixir</a>
    <a href="https://hexdocs.pm/">HexDocs</a>
  </body>
</html>
"""

links = html_content
        |> Floki.find("a")
        |> Enum.map(fn({_, attrs, [text]}) -> {text, List.keyfind(attrs, "href", 0)} end)
        
IO.inspect(links)

Exemple de sortie :

[{"Site Officiel d'Elixir", {"href", "https://elixir-lang.org/"}}, {"HexDocs", {"href", "https://hexdocs.pm/"}}]

Cette approche vous permet de naviguer et d’analyser efficacement les documents HTML, rendant les tâches d’extraction et de manipulation de données web simples dans les applications Elixir.

Téléchargement d'une page webEnvoi d'une requête HTTP