Re: [sdx-users] indexation de pages HTML

[Frédéric Glorieux]

> Bonjour,
>
> Ca n'a peut être pas de rapport en l'espèce, mais j'avais
> rencontré le problème d'un html contenant des balises
> propriétaires, qui est refusé par Tidy en standard (rejet
> pur et simple du traitement); si le html à "tidyifier" contient
> des balises propriétaires celles-ci doivent en principe être
> déclarées dans un fichier de configuration.
>
> Il y a peut-être un moyen de désactiver ce comportement par
> défaut, mais je ne l'ai pas trouvé: en attendant, on doit au
> préalable faire l'inventaire des balises propriétaires du
> corpus à indexer.
>
> Cdt,
> EB

Le tidy livré avec SDX a été un peu réécrit, en particulier pour 
supporter les instructions de traitements MS.word. Pour savoir quel est 
la configuration qui colle avec vos HTML (sans scripts mal commodes), je 
connais bien ce client

http://perso.wanadoo.fr/ablavier/TidyGUI/#download

Celui là semble plus récent
        
http://users.rcn.com/creitzel/tidy.html#tidyui