TLinkExplorer � Explorateur de liens et m�dias web

Classe pour explorer r�cursivement un site, extraire liens, images et documents, et afficher les r�sultats dans TListBox/TTreeView avec compteurs et arr�t contr�l�.

Code :

S�lectionner tout - Visualiser dans une fen�tre � part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
unit LinkExplorerCore;
 
interface
 
uses
  System.Net.HttpClient, System.Net.HttpClientComponent, System.SysUtils,
  System.Classes,
  RegularExpressions, Generics.Collections, Vcl.Forms, Vcl.StdCtrls,
  Vcl.ComCtrls;
 
type
  // TLinkExplorer: classe principale pour explorer un site web,
  // détecter les liens, images et documents, et les afficher dans des
  // composants VCL (TListBox, TTreeView, TLabel).
  TLinkExplorer = class
  private
    // Dictionnaire de liens visités pour éviter les boucles et les doublons.
    VisitedLinks: TDictionary<string, Boolean>;
    // Compteur total de liens parcourus.
    TotalLinks: Integer;
    // Compteur total de fichiers (images + documents) ajoutés à l'arbre.
    FileCount: Integer;
    // Indicateur pour arrêter proprement l'exploration depuis l'UI.
    StopProcess: Boolean;
 
    // Récupère le contenu HTML d'une URL et le retourne comme string.
    function GetWebContent(const URL: string): string;
 
    // Extrait les URLs des balises <a href="..."> du HTML.
    // BaseURL est utilisé pour construire des URLs relatives.
    procedure ExtractLinks(const HTML: string; BaseURL: string;
      var LinkList: TStringList);
 
    // Extrait les sources médias (<img src=...> et liens de type pdf/html/css).
    // Remplit deux listes distinctes: ImageList et DocList.
    procedure ExtractMediaSources(const HTML: string; BaseURL: string;
      var ImageList, DocList: TStringList);
 
    // Ajoute les fichiers trouvés (images/documents) au TTreeView fourni.
    // Met aussi à jour le label indiquant le nombre total de fichiers.
    procedure AddFilesToTreeView(ImageList, DocList: TStringList;
      TreeView: TTreeView; FileLabel: TLabel);
 
    // Fonction récursive qui explore les liens jusqu'à une profondeur donnée.
    // Met à jour la ListBox (liste de pages parcourues), le TreeView (fichiers),
    // et les labels de compteurs.
    procedure ExploreLinksRecursive(const URL: string; ListBox: TListBox;
      TreeView: TTreeView; LabelCounter, FileLabel: TLabel; Depth: Integer);
  public
    // Démarre l'exploration depuis une URL, initialise les variables internes.
    // MaxDepth = profondeur maximale d'exploration (1 = seul la page initiale).
    procedure ExploreLinks(const URL: string; ListBox: TListBox;
      TreeView: TTreeView; LabelCounter, FileLabel: TLabel; MaxDepth: Integer);
 
    // Demande l'arrêt de l'exploration en cours (l'exploration vérifie StopProcess).
    procedure StopExploration;
  end;
 
implementation
 
uses
  System.IOUtils;
 
procedure TLinkExplorer.StopExploration;
begin
  // Indique au processus récursif qu'il doit s'arrêter dès que possible.
  StopProcess := True;
end;
 
function TLinkExplorer.GetWebContent(const URL: string): string;
var
  Client: TNetHTTPClient;
  Response: TStringStream;
begin
  // Initialise la valeur de retour vide par défaut.
  Result := '';
 
  // Création d'un client HTTP et d'un flux pour récupérer la réponse.
  Client := TNetHTTPClient.Create(nil);
  Response := TStringStream.Create;
  try
    try
      // Requête GET simple; le contenu renvoyé est placé dans Response.
      Client.Get(URL, Response);
      Result := Response.DataString;
    except
      // En cas d'erreur réseau ou autre, affiche un message dans la console.
      on E: Exception do
        Writeln('Erreur : ' + E.Message);
    end;
  finally
    // Libération des objets pour éviter les fuites mémoire.
    Client.Free;
    Response.Free;
  end;
end;
 
procedure TLinkExplorer.ExtractLinks(const HTML: string; BaseURL: string;
  var LinkList: TStringList);
var
  Regex: TRegEx;
  Match: TMatch;
  Link: string;
begin
  // Regex simple pour capturer href="..." dans les balises <a>.
  Regex := TRegEx.Create('<a\s+(?:[^>]*?\s+)?href="([^"]*)"', [roIgnoreCase]);
  Match := Regex.Match(HTML);
  while Match.Success do
  begin
    Link := Match.Groups[1].Value;
 
    // Normalise les URLs relatives en les transformant en URLs absolues basées sur BaseURL.
    if not Link.StartsWith('http') then
    begin
      if Link.StartsWith('/') then
        Link := BaseURL + Link
      else
        Link := BaseURL + '/' + Link;
    end;
 
    // Ajoute le lien s'il n'a pas encore été visité (évite doublons dans la file).
    if not VisitedLinks.ContainsKey(Link) then
      LinkList.Add(Link);
 
    Match := Match.NextMatch;
  end;
end;
 
// Enlève certains paramètres d'URL (ex : ?w=) pour normaliser les sources médias.
function RemoveURLParams(const URL: string): string;
begin
  Result := URL;
  if Pos('?w=', Result) > 0 then
    Result := Copy(Result, 1, Pos('?w=', Result) - 1);
end;
 
procedure TLinkExplorer.ExtractMediaSources(const HTML: string; BaseURL: string;
  var ImageList, DocList: TStringList);
var
  RegexImg, RegexDoc: TRegEx;
  Match: TMatch;
  Source: string;
begin
  // Regex pour trouver les balises <img src="..."> pointant vers des extensions d'image courantes.
  RegexImg := TRegEx.Create
    ('<img\s+[^>]*src="([^"]+\.(jpg|jpeg|png|gif|bmp|webp|svg))"',
    [roIgnoreCase]);
  Match := RegexImg.Match(HTML);
  while Match.Success do
  begin
    Source := RemoveURLParams(Match.Groups[1].Value);
 
    // Gère les sources relatives.
    if not Source.StartsWith('http') then
      Source := BaseURL + Source;
 
    // Vérifie la présence d'une extension avant d'ajouter.
    if TPath.GetExtension(Source) <> '' then
      ImageList.Add(Source);
 
    Match := Match.NextMatch;
  end;
 
  // Regex pour trouver les liens vers PDF, HTML, CSS (documents intéressants).
  RegexDoc := TRegEx.Create('<a\s+[^>]*href="([^"]+\.(pdf|html|css))"',
    [roIgnoreCase]);
  Match := RegexDoc.Match(HTML);
  while Match.Success do
  begin
    Source := RemoveURLParams(Match.Groups[1].Value);
 
    if not Source.StartsWith('http') then
      Source := BaseURL + Source;
 
    if TPath.GetExtension(Source) <> '' then
      DocList.Add(Source);
 
    Match := Match.NextMatch;
  end;
end;
 
// Recherche un nœud enfant direct d'un parent dont le texte correspond exactement.
// Retourne nil si non trouvé.
function FindTreeNode(ParentNode: TTreeNode; const Text: string): TTreeNode;
var
  Node: TTreeNode;
begin
  Result := nil;
  Node := ParentNode.getFirstChild;
  while Node <> nil do
  begin
    if Node.Text = Text then
    begin
      Result := Node;
      Exit;
    end;
    Node := Node.getNextSibling;
  end;
end;
 
procedure TLinkExplorer.AddFilesToTreeView(ImageList, DocList: TStringList;
  TreeView: TTreeView; FileLabel: TLabel);
var
  i: Integer;
  RootNode, ImagesNode, DocsNode: TTreeNode;
  AddedCount: Integer;
  // Compteurs locaux pour afficher le nombre par section dans le TreeView.
  ImageCount, DocCount: Integer;
  Node: TTreeNode;
begin
  AddedCount := 0;
 
  // Récupère le nœud racine ou le crée si absent.
  RootNode := TreeView.Items.GetFirstNode;
  if RootNode = nil then
    RootNode := TreeView.Items.Add(nil, 'Fichiers trouvés');
 
  // Cherche ou crée le sous-nœud "Images" (on compare seulement le préfixe pour conserver le compteur).
  ImagesNode := nil;
  Node := RootNode.getFirstChild;
  while Node <> nil do
  begin
    if SameText(Copy(Node.Text, 1, Length('Images')), 'Images') then
    begin
      ImagesNode := Node;
      Break;
    end;
    Node := Node.getNextSibling;
  end;
  if ImagesNode = nil then
    ImagesNode := TreeView.Items.AddChild(RootNode, 'Images');
 
  // Cherche ou crée le sous-nœud "Documents".
  DocsNode := nil;
  Node := RootNode.getFirstChild;
  while Node <> nil do
  begin
    if SameText(Copy(Node.Text, 1, Length('Documents')), 'Documents') then
    begin
      DocsNode := Node;
      Break;
    end;
    Node := Node.getNextSibling;
  end;
  if DocsNode = nil then
    DocsNode := TreeView.Items.AddChild(RootNode, 'Documents');
 
  // Ajoute les images sous le nœud "Images" en évitant les doublons.
  for i := 0 to ImageList.Count - 1 do
  begin
    if FindTreeNode(ImagesNode, ImageList[i]) = nil then
    begin
      TreeView.Items.AddChild(ImagesNode, ImageList[i]);
      Inc(AddedCount);
    end;
  end;
 
  // Ajoute les documents sous le nœud "Documents" en évitant les doublons.
  for i := 0 to DocList.Count - 1 do
  begin
    if FindTreeNode(DocsNode, DocList[i]) = nil then
    begin
      TreeView.Items.AddChild(DocsNode, DocList[i]);
      Inc(AddedCount);
    end;
  end;
 
  // Mise à jour du compteur global de fichiers et du label associé.
  if AddedCount > 0 then
  begin
    Inc(FileCount, AddedCount);
    if Assigned(FileLabel) then
      FileLabel.Caption := 'Fichiers trouvés : ' + IntToStr(FileCount);
  end;
 
  // Calcul du nombre d'enfants directs pour ImagesNode (pour afficher un compteur local).
  ImageCount := 0;
  Node := ImagesNode.getFirstChild;
  while Node <> nil do
  begin
    Inc(ImageCount);
    Node := Node.getNextSibling;
  end;
 
  // Calcul du nombre d'enfants directs pour DocsNode.
  DocCount := 0;
  Node := DocsNode.getFirstChild;
  while Node <> nil do
  begin
    Inc(DocCount);
    Node := Node.getNextSibling;
  end;
 
  // Met à jour le texte des nœuds pour inclure le compteur local.
  ImagesNode.Text := 'Images : ' + IntToStr(ImageCount);
  DocsNode.Text := 'Documents : ' + IntToStr(DocCount);
end;
 
procedure TLinkExplorer.ExploreLinksRecursive(const URL: string;
  ListBox: TListBox; TreeView: TTreeView; LabelCounter, FileLabel: TLabel;
  Depth: Integer);
var
  HTMLContent: string;
  Links, Images, Docs: TStringList;
  i: Integer;
begin
  // Vérifie le drapeau d'arrêt demandé par l'UI.
  if StopProcess then
    Exit;
 
  // Si la profondeur est atteinte, arrête la récursion.
  if Depth <= 0 then
    Exit;
 
  // Si l'URL a déjà été visitée, éviter de la revisiter.
  if VisitedLinks.ContainsKey(URL) then
    Exit;
 
  // Marque l'URL comme visitée et incrémente le compteur global.
  VisitedLinks.Add(URL, True);
  Inc(TotalLinks);
 
  // Permet au thread de l'interface utilisateur de traiter les messages
  // (utile si la méthode est appelée depuis le thread principal).
  Application.ProcessMessages;
  if Assigned(LabelCounter) then
    LabelCounter.Caption := 'Liens parcourus : ' + IntToStr(TotalLinks);
 
  // Récupère le contenu HTML de la page.
  HTMLContent := GetWebContent(URL);
  if HTMLContent = '' then
    Exit;
 
  // Création des listes locales pour stocker les résultats d'analyse.
  Links := TStringList.Create;
  Images := TStringList.Create;
  Docs := TStringList.Create;
  try
    // Extrait les liens et médias depuis le contenu HTML.
    ExtractLinks(HTMLContent, URL, Links);
    ExtractMediaSources(HTMLContent, URL, Images, Docs);
 
    // Ajoute l'URL parcourue à la ListBox pour visibilité.
    ListBox.Items.Add(URL);
 
    // Ajoute les images et documents trouvés dans le TreeView.
    AddFilesToTreeView(Images, Docs, TreeView, FileLabel);
 
    // Appel récursif sur chaque lien trouvé tant que la profondeur le permet.
    for i := 0 to Links.Count - 1 do
    begin
      if StopProcess then
        Exit;
      ExploreLinksRecursive(Links[i], ListBox, TreeView, LabelCounter,
        FileLabel, Depth - 1);
    end;
  finally
    // Libération des listes temporaires.
    Links.Free;
    Images.Free;
    Docs.Free;
  end;
end;
 
procedure TLinkExplorer.ExploreLinks(const URL: string; ListBox: TListBox;
  TreeView: TTreeView; LabelCounter, FileLabel: TLabel; MaxDepth: Integer);
begin
  // Initialise l'état interne de l'explorateur pour une nouvelle session.
  VisitedLinks := TDictionary<string, Boolean>.Create;
  TotalLinks := 0;
  FileCount := 0;
  StopProcess := False;
  try
    // Initialise le libellé des fichiers si fourni.
    if Assigned(FileLabel) then
      FileLabel.Caption := 'Fichiers trouvés : 0';
 
    // Lance la recherche récursive depuis l'URL racine.
    ExploreLinksRecursive(URL, ListBox, TreeView, LabelCounter, FileLabel,
      MaxDepth);
  finally
    // Libère le dictionnaire des liens visités.
    VisitedLinks.Free;
  end;
end;
 
end.

Code Source : LinkExplorer.zip

Code Source : Link Explorer v2.zip

THttpClientPool

• Pool fixe d�instances THTTPClient cr�� par Create(MaxClients).
• Synchronisation : TCriticalSection pour la liste FClients + TEvent pour attendre la disponibilit�.
• API : Acquire (bloque en boucle courte si vide), Release (remet le client et signale l��v�nement).

TLinkExplorer

• �tat : VisitedLinks: TDictionary<string,Boolean>, compteurs (TotalLinks, FileCount, BrokenCount), StopProcess.
• Param�tres : RequestTimeoutMs, RequestDelayMs, SameDomainOnly, FPoolSize.
• API publique : ConfigureCrawl(..., APoolSize), ExploreLinks(startURL, ListView, TreeView, LabelCounter, FileLabel, MaxDepth), StopExploration.
• Fonctions internes : GetWebContent (GET via pool), IsFileAvailable (HEAD puis GET Range si n�cessaire), ExtractLinks/ExtractMediaSources (regex), AddFilesToTreeView, AddBrokenLink, IsSameDomain, EnsurePoolCreated.

Code Source : LinkExplorer v3.zip

Co�ncidence, j'ai un ami qui tente d'utiliser HTTrack pour un site en d�clin, nom de domaine en expiration.


Tr�s int�ressant ce TLinkExplorer, pour le moment, je lui avais cod� que l'extraction des images publiques (non connect�), j'ai nettement plus de mal pour g�rer un cookie pour les images priv�es (connect� avec son login) au point d'utiliser un TWebBrowser/OnDocumentComplete ce qui est tr�s lent.
Si tu sais g�rer le cookie sans TWebBrowser avec TIdHTTP (�a existe mais j'ai carr�ment pas le temps), je suis preneur.

Code :

S�lectionner tout - Visualiser dans une fen�tre � part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
unit WebImageDownloader_Processor;
 
interface
 
uses
  System.Classes, System.Contnrs;
 
type
  TWebImageDownloaderProcessorClass = class of TWebImageDownloaderProcessor;
  TWebImageDownloaderProcessor = class(TObject)
  private
    class var FClassList: TClassList;
    class var FWorkDir: string;
    class var FProcesssLinkRecursive: Boolean;
  protected
    class procedure RegisterMe(); virtual; abstract;
    class procedure RegisterClass(AClass: TWebImageDownloaderProcessorClass);
 
    class procedure ProcessContent(const AURL: string; AContent: TStringStream; AProcessImage: Boolean; AProcessLink: Boolean; const ALinkSectionStart, ALinkSectionEnd: string);
    class procedure ProcessImage(const AContent: string; IndexStart, IndexEnd: Integer; AImageURLs: TStringList); virtual;
    class procedure ProcessLink(const AContent: string; IndexStart, IndexEnd: Integer; ALinks: TStringList); virtual;
    class procedure DownloadFile(const AWebDir: string; const AURL: string);
    class procedure GetInternetFile(const AServerName: string; const AURL: string; AStream: TStream); overload;
    class procedure GetInternetFile(const AURL: string; AStream: TStream); overload;
  public
    class function FindClass(const AClassSuffix: string): TWebImageDownloaderProcessorClass;
 
    class procedure ProcessURL(const AURL: string; AProcessImage: Boolean; AProcessLink: Boolean; const ALinkSectionStart, ALinkSectionEnd: string);
 
    class property WorkDir: string read FWorkDir write FWorkDir;
    class property ProcesssLinkRecursive: Boolean read FProcesssLinkRecursive write FProcesssLinkRecursive;
  public
    class destructor Destroy();
  end;
 
implementation
 
uses
  System.SysUtils, System.StrUtils,
  IdHTTP, IdSSLOpenSSL, IdSSLOpenSSLHeaders,
  Winapi.WinInet, Winapi.Windows;
 
 
class destructor TWebImageDownloaderProcessor.Destroy();
begin
  FreeAndNil(FClassList);
end;
 
class procedure TWebImageDownloaderProcessor.DownloadFile(const AWebDir: string; const AURL: string);
 
  function ExtractFileNameFromURL(const FileName: string): string;
  var
    I: Integer;
  begin
    I := FileName.LastDelimiter('/');
    Result := FileName.SubString(I + 1);
    Result := StringReplace(Result, '>', '_', [rfReplaceAll]);
    Result := StringReplace(Result, '<', '_', [rfReplaceAll]);
    Result := StringReplace(Result, ':', '_', [rfReplaceAll]);
    Result := StringReplace(Result, '"', '_', [rfReplaceAll]);
    Result := StringReplace(Result, '/', '_', [rfReplaceAll]);
    Result := StringReplace(Result, '\', '_', [rfReplaceAll]);
    Result := StringReplace(Result, '|', '_', [rfReplaceAll]);
    Result := StringReplace(Result, '?', '_', [rfReplaceAll]);
    Result := StringReplace(Result, '*', '_', [rfReplaceAll]);
    Result := StringReplace(Result, '.jpg_c=2', '.jpg', [rfIgnoreCase]);
  end;
 
  function ExcludeTrailingURL(const S: string): string;
  begin
    Result := S;
    if (Length(Result) >= 1) and (Result[Length(Result)] = '/') then
      SetLength(Result, Length(Result)-1);
  end;
 
var
  LocalDir, LocalName: string;
  DownloadStream: TFileStream;
  Downloader: TIdHTTP;
begin
  LocalDir := IncludeTrailingPathDelimiter(FWorkDir) + ExtractFileNameFromURL(ExcludeTrailingURL(AWebDir));
  ForceDirectories(LocalDir);
  LocalName := IncludeTrailingPathDelimiter(LocalDir) + ExtractFileNameFromURL(AURL);
 
  DownloadStream := TFileStream.Create(LocalName, fmCreate);
  try
    Downloader := TIdHTTP.Create(nil);
    try
      if StartsText('https:', AURL) then
        Downloader.IOHandler := TIdSSLIOHandlerSocketOpenSSL.Create(Downloader);
 
      try
        Downloader.Get(AURL, DownloadStream);
      except
        on E: EIdOSSLUnderlyingCryptoError do
          GetInternetFile(AURL, DownloadStream);
      end;
    finally
      Downloader.Free();
    end;
  finally
    DownloadStream.Free();
  end;
end;
 
class function TWebImageDownloaderProcessor.FindClass(const AClassSuffix: string): TWebImageDownloaderProcessorClass;
var
  I: Integer;
begin
  Result := nil;
  if Assigned(FClassList) then
    for I := 0 to FClassList.Count - 1 do
      if SameText(FClassList[I].ClassName(), TWebImageDownloaderProcessor.ClassName() + AClassSuffix) then
        Exit(TWebImageDownloaderProcessorClass(FClassList[I]));
end;
 
class procedure TWebImageDownloaderProcessor.GetInternetFile(const AURL: string; AStream: TStream);
var
  I1, I2: Integer;
  ServerName: string;
  URI: string;
begin
  I1 := Pos('//', AURL);
  Inc(I1, 2);
  I2 := Pos('/', AURL, I1);
  if (I1 > 0) and (I2 > I1) then
  begin
    ServerName := Copy(AURL, I1, I2 - I1);
    URI := Copy(AURL, I2 + 1);
    GetInternetFile(ServerName, URI, AStream);
  end;
end;
 
class procedure TWebImageDownloaderProcessor.GetInternetFile(const AServerName: string; const AURL: string; AStream: TStream);
const
  BufferSize = 1024;
  accept: packed array[0..1] of LPWSTR = (PChar('text/*'), nil); // PCTSTR rgpszAcceptTypes[] = {_T(“text/*”), NULL};
var
  hSession, hHTTP, hReq : HINTERNET;
  Buffer: array[1..BufferSize] of Byte;
  BufferLen: DWORD;
  sAppName: string;
begin
  AStream.Size := 0;
  sAppName := ExtractFileName(ParamStr(0));
 
  hSession := InternetOpen(PChar(sAppName), INTERNET_OPEN_TYPE_PRECONFIG, nil, nil, 0);
  try
    hHTTP := InternetConnect(hSession, PChar(AServerName), INTERNET_DEFAULT_HTTP_PORT, nil, nil, INTERNET_SERVICE_HTTP, 0, 1);
    try
      hReq := HttpOpenRequest(hHTTP, PChar('GET'), PChar(AURL), nil, nil, @accept, 0, 1);
      try
        if HttpSendRequest(hReq, nil, 0, nil, 0) then
        begin
          BufferLen := 0;
          repeat
            if InternetReadFile(hReq, @Buffer, BufferSize, BufferLen) then
              AStream.WriteBuffer(Buffer, BufferLen);
 
          until BufferLen = 0;
        end
        else
          raise Exception.Create('HttpOpenRequest failed. ' + SysErrorMessage(GetLastError));
      finally
        InternetCloseHandle(hReq);
      end;
    finally
      InternetCloseHandle(hHTTP);
    end;
  finally
    InternetCloseHandle(hSession);
  end;
end;
 
class procedure TWebImageDownloaderProcessor.ProcessContent(const AURL: string; AContent: TStringStream; AProcessImage: Boolean; AProcessLink: Boolean; const ALinkSectionStart, ALinkSectionEnd: string);
var
  Content: string;
  iStart, iEnd: Integer;
  Images, Links: TStringList;
  Link: string;
begin
  Content := AContent.DataString;
  if AProcessLink then
  begin
    iStart := Pos(ALinkSectionStart, Content);
    if iStart > 0 then
    begin
      Inc(iStart, Length(ALinkSectionStart));
      iEnd := Pos(ALinkSectionEnd, Content, iStart);
      if iEnd > 0 then
      begin
        Links := TStringList.Create();
        try
          Links.Duplicates := dupIgnore;
          Links.Sorted := True;
 
          ProcessLink(Content, iStart, iEnd, Links);
          Links.SaveToFile(IncludeTrailingPathDelimiter(FWorkDir) + 'Links.txt');
          for Link in Links do
            ProcessURL(Link, True, FProcesssLinkRecursive, '', '');
        finally
          Links.Free();
        end;
      end
      else
        raise Exception.CreateFmt('End of Section "%s" not found', [ALinkSectionEnd]);
    end
    else
      raise Exception.CreateFmt('Start of Section "%s" not found', [ALinkSectionStart]);
  end;
 
  if AProcessImage then
  begin
    Images := TStringList.Create();
    try
      ProcessImage(Content, 1, Length(Content), Images);
      Images.SaveToFile(IncludeTrailingPathDelimiter(FWorkDir) + 'Images.txt');
      for Link in Images do
        DownloadFile(AURL, Link);
    finally
      Images.Free();
    end;
  end;
 
end;
 
class procedure TWebImageDownloaderProcessor.ProcessImage(const AContent: string; IndexStart, IndexEnd: Integer; AImageURLs: TStringList);
const
  IMG_START = '<img src="';
  IMG_END = '/>';
  IMG_SUB_END = '" ';
var
  iStart, iEnd, iSub: Integer;
  URL: string;
begin
  iStart := IndexStart;
  while iStart < IndexEnd do
  begin
    iStart := Pos(IMG_START, AContent, iStart);
    if (iStart > 0) and (iStart <= IndexEnd) then
    begin
      Inc(iStart, Length(IMG_START));
      iEnd := Pos(IMG_END, AContent, iStart);
      if (iEnd > iStart) and (iEnd <= IndexEnd) then
      begin
        URL := Copy(AContent, iStart, iEnd - iStart);
        iSub := Pos(IMG_SUB_END, URL);
        if iSub > 0 then
          URL := Copy(URL, 1, iSub - 1);
        AImageURLs.Add(URL);
      end
      else
        Exit;
    end
    else
      Exit;
 
    iStart := iEnd + Length(IMG_END);
  end;
end;
 
 
class procedure TWebImageDownloaderProcessor.ProcessLink(const AContent: string; IndexStart, IndexEnd: Integer; ALinks: TStringList);
const
  REF_START = '<a href="';
  REF_END = '">';
  REF_SUB_END = '" ';
var
  iStart, iEnd, iSub: Integer;
  URL: string;
begin
  iStart := IndexStart;
  while iStart < IndexEnd do
  begin
    iStart := Pos(REF_START, AContent, iStart);
    if (iStart > 0) and (iStart <= IndexEnd) then
    begin
      Inc(iStart, Length(REF_START));
      iEnd := Pos(REF_END, AContent, iStart);
      if (iEnd > iStart) and (iEnd <= IndexEnd) then
      begin
        URL := Copy(AContent, iStart, iEnd - iStart);
        iSub := Pos(REF_SUB_END, URL);
        if iSub > 0 then
          URL := Copy(URL, 1, iSub - 1);
        ALinks.Add(URL);
      end
      else
        Exit;
    end
    else
      Exit;
 
    iStart := iEnd + Length(REF_END);
  end;
end;
 
 
class procedure TWebImageDownloaderProcessor.ProcessURL(const AURL: string; AProcessImage: Boolean; AProcessLink: Boolean; const ALinkSectionStart, ALinkSectionEnd: string);
var
  WebPage: TIdHTTP;
  WebContent: TStringStream;
begin
  WebPage := TIdHTTP.Create(nil);
  try
    if StartsText('https:', AURL) then
      WebPage.IOHandler := TIdSSLIOHandlerSocketOpenSSL.Create(WebPage);
 
    WebContent := TStringStream.Create();
    try
      try
        WebPage.Get(AURL, WebContent);
      except
        on E: EIdOSSLUnderlyingCryptoError do
          GetInternetFile(AURL, WebContent);
      end;
      ProcessContent(AURL, WebContent, AProcessImage, AProcessLink, ALinkSectionStart, ALinkSectionEnd);
    finally
      WebContent.Free();
    end;
  finally
    WebPage.Free();
  end;
end;
 
class procedure TWebImageDownloaderProcessor.RegisterClass(AClass: TWebImageDownloaderProcessorClass);
begin
  // Not Thread-Safe !
  if not Assigned(FClassList) then
    FClassList := TClassList.Create();
 
  FClassList.Add(AClass);
end;
 
end.

Code :

S�lectionner tout - Visualiser dans une fen�tre � part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
unit WebImageDownloader_WMProcessor;
 
interface
 
uses
  System.Classes,
  WebImageDownloader_Processor;
 
type
  TWebImageDownloaderProcessorWM = class(TWebImageDownloaderProcessor)
  protected
    class procedure RegisterMe(); override;
 
    class procedure ProcessImage(const AContent: string; IndexStart, IndexEnd: Integer; AImageURLs: TStringList); override;
  end;
 
implementation
 
uses
  System.SysUtils;
 
{ TWebImageDownloaderProcessorWM }
 
class procedure TWebImageDownloaderProcessorWM.ProcessImage(const AContent: string; IndexStart, IndexEnd: Integer; AImageURLs: TStringList);
const
  IMAGE_TAG = 'ZoomImageURLs';
  IMAGE_TAG_OFFSET = '[%d] = "';
  IMAGE_TAG_END = '";';
var
  iStart, iEnd: Integer;
  iImage: Integer;
  ImageTag, URL: string;
begin
  iStart := IndexStart;
  iImage := 0;
  while iStart < IndexEnd do
  begin
    ImageTag := IMAGE_TAG + Format(IMAGE_TAG_OFFSET, [iImage]);
    iStart := Pos(ImageTag, AContent, iStart);
    if (iStart > 0) and (iStart <= IndexEnd) then
    begin
      Inc(iStart, Length(ImageTag));
      iEnd := Pos(IMAGE_TAG_END, AContent, iStart);
      if (iEnd > iStart) and (iEnd <= IndexEnd) then
      begin
        URL := Copy(AContent, iStart, iEnd - iStart);
        URL := StringReplace(URL, '\/', '/', [rfReplaceAll]);
        AImageURLs.Add(URL);
        Inc(iImage);
      end
      else
        Exit;
    end
    else
      Exit;
 
    iStart := iEnd + Length(IMAGE_TAG_END);
  end;
end;
 
class procedure TWebImageDownloaderProcessorWM.RegisterMe();
begin
  RegisterClass(Self);
end;
 
initialization
  TWebImageDownloaderProcessorWM.RegisterMe();
 
end.

Envoy� par ShaiLeTroll

Si tu sais g�rer le cookie sans TWebBrowser avec TIdHTTP

Bonjour ShaiLeTroll,

Tu peut utiliser le composant IdCookieManager, pour la gestion des cookies

Code :

S�lectionner tout - Visualiser dans une fen�tre � part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
procedure TForm1.Button1Click(Sender: TObject);
var
  Params: TStringList;
  i: Integer;
begin
  Memo1.Clear;
 
  // Configuration de IdHTTP
  IdHTTP1.CookieManager := IdCookieManager1;
  IdHTTP1.HandleRedirects := True;
 
  Params := TStringList.Create;
  try
    Params.Add('username=monlogin');       
    Params.Add('password=monmotdepasse'); 
 
    // Envoi de la requête POST vers la page de login
    Memo1.Lines.Add('Connexion...');
    Memo1.Lines.Add(IdHTTP1.Post('https://exemple.com/login', Params));
 
    // Affichage des cookies reçus
    Memo1.Lines.Add('Cookies reçus :');
    for i := 0 to IdCookieManager1.CookieCollection.Count - 1 do
      Memo1.Lines.Add(IdCookieManager1.CookieCollection[i].CookieText);
 
    // Requête suivante avec session maintenue
    Memo1.Lines.Add('Accès à l’espace client...');
    Memo1.Lines.Add(IdHTTP1.Get('https://exemple.com/espace-client'));
  finally
    Params.Free;
  end;
end;

TWebBrowser/OnDocumentComplete ce qui est tr�s lent.

J'ai d�j� exp�riment� l'extraction avec un TWebBrowser, mais �a prend une plombe de traiter les donn�es.
Il vaut mieux utiliser TIdHTTP ou TNetHTTPClient/THTTPClient.

Un petit ajout d'un t�l�chargement l�-dessus et le tour est jou�





Enfin, presque, je veux �valuer la profondeur du site automatiquement.
Ajouter un respect sur le robot.txt, s'il est pr�sent sur le serveur. (Dev en cour...)
Un t�l�chargement automatique des fichiers trouv�s. (Dev en cour...)
Ajout d'une cr�ation de projet (Nouveau, charger) et enregistrement du projet � partir d'un fichier JSON.

Code Source : LinkExplorer v4.zip

Modifications apport�es

- Nouveau cache d�di�
Ajout de FBrokenLinks: TDictionary<string, Boolean> pour stocker uniquement les URLs corrompues.

- Marquage des liens corrompus
MarkBrokenLink enregistre d�sormais dans FBrokenLinks et met � jour le ListView avec "Corrompu".
Les cas "Corrompu (ignor�)" ajoutent aussi l�URL dans FBrokenLinks.

- Export CSV
ExportBrokenLinksToCSV :
Exporte uniquement les lignes dont Status/DownloadState contiennent "Corrompu".

- IsSameDomain renforc� (gestion des h�tes, sous-domaines et ports).



Code source : LinkExplorer v4.1.zip