Salut
 
Je cherche a réaliser en java un bot de moteur de recherche.
Malgré de nombreux essais, j'ai du mal à récuperer TOUS les liens présents dans les pages (<a href=... ; <area href=... ; <frame src=...)
Ce que je comptais faire, c'est lire ligne à ligne la page html, avec un BufferedReader (méthode .readline() ); et pour chaque ligne, chercher les "<a", puis "href=", et enfin, lire la chaine qui suit entre guillemets ou ', en utilisant la méthode .indexOf.
 
Avez vous une meilleure idée ?
Mon code marche a peu près, mais je suis a la recherche d'autres moyens de proceder. Si vous avez des idées.
D'avance, merci
 
Edit : En fait, je crois que mon problème, c'est de récuperer la chaine entre guillemets...

avec des regex... sans promesse de performances

ben ce que tu peux faire c'est utiliser un generateur de parser, genre CUP et tu le couple a un analyseur syntaxique genre JFlex...ca sonne complique, mais en fait c'est tout simple, tu n'a qu'un seul truc a faire c'est ecrire ta grammaire, dant ton cas ce sera simple.
 
  http://www.cs.princeton.edu/~appel/modern/java/CUP/
 
http://www.jflex.de/  
 
voila,c'est un peu tuer des mouches au au gourdin mais bon...c'est simple et ca marchera
 
Souk