|
||||||||||
PREV CLASS NEXT CLASS | FRAMES NO FRAMES | |||||||||
SUMMARY: NESTED | FIELD | CONSTR | METHOD | DETAIL: FIELD | CONSTR | METHOD |
java.lang.Object | +--ParserHttp
Cette classe fournit aux processus de navigation (NavThread
) des méthodes pour parser
les pages qu'ils vont rencontrer afin d'en extraire les liens de type :
http
(University of Paris 7
)
mailto
(Mihaela Sighireanu
)
img
(
)
Field Summary | |
protected java.util.Properties[] |
dicos
Tableau des dictionnaires des mots à ignorés lors du parsage. |
protected java.io.InputStream |
is
Flux permettant de lire le contenu de la page. |
protected boolean |
isPars
Drapeau indiquant si la page a été parsée ou non. |
protected java.util.Hashtable |
mails_ht
Contient après parsage tous les liens de type mailto contenus dans cette page. |
protected java.util.Hashtable |
pages_ht
Contient après parsage tous les liens de type http contenus dans cette page. |
protected java.util.Hashtable |
picts_ht
Contient après parsage tous les liens de type img contenus dans cette page. |
protected java.lang.String |
root
Le chemin du répertoire contenant le fichier source de la page à parser. |
Constructor Summary | |
ParserHttp(java.lang.String root,
java.io.InputStream is,
java.util.Properties[] dicos)
Construit un nouvel objet de type ParserHttp . |
Method Summary | |
java.util.Hashtable |
getMails()
Retourne la table de hachage contenant tous les liens mailto contenus dans cette
page. |
java.util.Hashtable |
getPages()
Retourne la table de hachage contenant tous les liens http contenus dans cette
page. |
java.util.Hashtable |
getPicts()
Retourne la table de hachage contenant tous les liens img contenus dans cette
page. |
protected void |
parse()
Parse la page html passée au constructeur de cet objet. |
Methods inherited from class java.lang.Object |
clone, equals, finalize, getClass, hashCode, notify, notifyAll, toString, wait, wait, wait |
Field Detail |
protected java.util.Properties[] dicos
protected java.io.InputStream is
protected java.lang.String root
Par exemple si la page à parser est http://www.server.fr/rep1/rep2/fic.html
alors
root
contiendra http://www.server.fr/rep1/rep2/
.
Ce champ est nécessaire pour transformer les chemins relatifs rencontrés dans cette page en chemin absolus.
protected boolean isPars
true
si la page a déjà été parsée.
false
sinon.
protected java.util.Hashtable pages_ht
http
contenus dans cette page.
protected java.util.Hashtable mails_ht
mailto
contenus dans cette page.
protected java.util.Hashtable picts_ht
img
contenus dans cette page.
Constructor Detail |
public ParserHttp(java.lang.String root, java.io.InputStream is, java.util.Properties[] dicos)
ParserHttp
.
root
- Le chemin du répertoire contenant le fichier source de la page à parseris
- Un flux sur le contenu de la page à parser.dicos
- Tableau des dictionnaires des mots à ne pas prendre en compteroot
,
is
,
dicos
,
NavThread.racine(URL)
,
Crawler.dicos
Method Detail |
public java.util.Hashtable getPages() throws java.io.IOException
http
contenus dans cette
page.
Cependant, si un lien est non valide (par ex un lien vers la page http://www.somewhere.com/
rep1/../../trux.html"
), il n'est pas inséré dans cette table.
http
.
java.io.IOException
public java.util.Hashtable getMails() throws java.io.IOException
mailto
contenus dans cette
page.
mailto
.
java.io.IOException
public java.util.Hashtable getPicts() throws java.io.IOException
img
contenus dans cette
page.
Cependant, si un lien est non valide (par ex un lien vers l'image /rep1/../../trux.gif"
),
il n'est pas inséré dans cette table.
img
.
java.io.IOException
protected void parse() throws java.io.IOException
Le parsage consiste à remplir trois tables de hachage avec les liens trouvés dans la page.
Ces liens étant de type http
, mailto
et img
.
Le parsage se base sur les méthodes de la classe CrawlerCallbackHandler
.
java.io.IOException
CrawlerCallbackHandler
|
||||||||||
PREV CLASS NEXT CLASS | FRAMES NO FRAMES | |||||||||
SUMMARY: NESTED | FIELD | CONSTR | METHOD | DETAIL: FIELD | CONSTR | METHOD |