retirer des balises intermédiaires [Résolu]

guidav · 19/02/2007, 19h37

Bonjour

J'ai un document html qui est constitué de plusieurs tables collées les unes aux autres, du genre

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
<body>
<table style1>*contenu1*</table>
<table style2>*contenu2*</table>
</body>

Je souhaite les concaténer en une seule table du genre

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
<body>
<table style1>*contenu1* *contenu2*</table>
</body>

Ca fait 3 heures que je me débats avec les regex, si quelqu'un avait une idée pour m'aider, merci.
Pour l'instant, j'ai fait ceci :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
function callback($matches)
{
	$nb2 = 0;
	$m1 = $matches[1];
	$m2 = $matches[2];
	$m3 = $matches[3];
	$p = "#</table>(.*)<table[^>]*>#Us";
	$m2 = preg_replace($p,'\\1',$m2, -1, $nb2);
	$m = $m1.$m2.$m3;echo $nb2;
	return $m;
}
$patterns = "#(.[^(<table)]+<table[^>]*>)(.+)(</table>.*)#s";
$_SESSION['contents'] = preg_replace_callback($patterns,"callback",$_SESSION['contents']);

Merci d'avance

goodpz · 19/02/2007, 22h54

Ceci, peut être:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
 
$str = $_SESSION['contents'];
preg_match('~<table[^>]*>(.+)</table>~is', $str, $a);
$con = preg_replace('~<table[^>]*>|</table>~i', '', $a[1]);
$res = preg_replace('~<table([^>]*)>(?:.+)</table>~is', '<table\1>'.$con.'</table>', $str);
 
echo htmlentities($res);

guidav · 20/02/2007, 11h14

Merci, mais j'ai oublié de préciser qu'avant le premier <table , j'ai d'autres éléments que j'ai besoin de conserver.
Le problème est que les balises <table> sont capturées dans le premier élément, alors que j'aimerais qu'elles soient dans le 2è élément.

Exemple:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
function callback($matches)
{
	$nb2 = 0;
	$m1 = $matches[1];
	$m2 = $matches[2];
	$m3 = $matches[3];
	fwrite(fopen($_SERVER['DOCUMENT_ROOT']."/consult/toto1", "w+"), $m1);
	fwrite(fopen($_SERVER['DOCUMENT_ROOT']."/consult/toto2", "w+"), $m2);
	fwrite(fopen($_SERVER['DOCUMENT_ROOT']."/consult/toto3", "w+"), $m3);
	$p = "#</table>(.*)<table[^>]*>#Us";
	$m2 = preg_replace($p,'\\1',$m2, -1, $nb2);
	$m = $m1.$m2.$m3;
	fwrite(fopen($_SERVER['DOCUMENT_ROOT']."/consult/toto", "w+"), $m);
	return $m;
}
$patterns = "#(.+<table[^>]*>)(.+)(</table>*)#s";
$_SESSION['contents'] = preg_replace_callback($patterns,"callback",$_SESSION['contents']);

me renvoie
dans toto1 :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
<balises diverses>
<table style>
  //contenu de la table
</table>
<table style2>

dans toto2:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

//contenu de la table 2

dans toto3:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

</table>

Pourtant, dans $patterns = "#(.+<table[^>]*>)(.+)(</table>*)#s";
je n'ai pas mis le modificateur U, et donc j'attendrai plutôt
dans toto1 :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
<balises diverses>
<table style>
  //contenu de la table

dans toto2:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
</table>
<table style2>
//contenu de la table 2

dans toto3:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

</table>

Petite précision : je peux avoir plus de 2 tables bout à bout, sinon le problème serait réglé. C'est pour ça que je veux mettre dans la 2è parenthèse toutes les tables, sauf la première balise <table> et ce qu'il y a avant, et sauf la dernière balise </table> et ce qu'il y a après.

Merci aux experts des regexps pour leur aide.

s.n.a.f.u · 20/02/2007, 15h11

Bonjour,

Ce document html a-t-il besoin d'être parsé à chaque affichage de la page ?
Si oui, pourquoi est-il dans cet état ?

Si non, c'est un script planifié que tu veux lancer ?
Dans ce dernier cas, je feras plutôt du traitement ligne par ligne avec l'aide flags correctement placés pour effectuer le travail. Du coup, la regexp à trouver est beaucoup plus simple.

guidav · 20/02/2007, 15h38

Citation:

Bonjour,

Ce document html a-t-il besoin d'être parsé à chaque affichage de la page ?
Si oui, pourquoi est-il dans cet état ?

Malheureusement oui. En fait, j'ai des tableaux de chiffres compliqués créés dans excel (avec un langage type template {{}}), et je les affiche sous excel dans un intranet.
Comme excel fait à peu près n'importe quoi au niveau du html pondu (enfin non, disons seulement qu'il n'est pas paramétrable), il faut le parser et le nettoyer.
Le processus est :
- php génère des variables
- php ouvre le fichier template excel
- php parse les balises de template pour mettre les variables dans les bonnes cellules
- php nettoie le code (mon problème est ici)
- php écrit le code dans un fichier temporaire
- le navigateur client ouvre le fichier excel.

L'intérêt, c'est que j'ai des excels dynamiques en fonction de données en BDD MySQL, très faciles à créer pour qui ne maîtrise pas le HTML.

Je me sers de la même fonctionnalité pour l'impression : il faut que mes utilisateurs puissent ouvrir les tableaux de chiffres générés (avec un template excel ou avec d'autres moyens) sous excel pour pouvoir faire leurs petits calculs s'ils en ont envie.
Donc là aussi, il faut ouvrir la page dans un excel après un bon nettoyage.

Si tu as une idée pour mon problème de balises, je suis preneur !

s.n.a.f.u · 20/02/2007, 15h51

Tu précises que le document ne commance pas par les tables.
Est-ce qu'il y a quelquechose après ?

Peut-on envisager une structure de ce style

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
 
<html>
 
<head>...</head>
 
<body>
 
<contenu_divers>
 
<table1> ... </table1>
 
<table2> ... </table2>
...
<table_n> ... </table_n>
 
</body>
</html>

Sans rien entre la dernière table et la fin du doc (</body>).

s.n.a.f.u · 20/02/2007, 15h54

Autre idée : tu dis que tes tables ont chacunes un style.
Peut-il servir de critère de différenciation des balises ?

goodpz · 20/02/2007, 16h18

Citation:

Merci, mais j'ai oublié de préciser qu'avant le premier <table , j'ai d'autres éléments que j'ai besoin de conserver.

C'est ce que fait mon code d'exemple, non ?

Citation:

je n'ai pas mis le modificateur U, et donc j'attendrai plutôt

pcre ne s'est pas trompé. Tu n'as pas mis de modifier ungreedy donc la capture est greedy.

Ton problème me paraissait clair dans ton premier post mais maintenant je ne comprends plus grand chose. Le mieux ça serait que tu nous colles un exemple minimal d'un fichier non parsé et de son résultat

guidav · 20/02/2007, 16h20

Citation:

Envoyé par jml94

Tu précises que le document ne commance pas par les tables.
Est-ce qu'il y a quelquechose après ?

Peut-on envisager une structure de ce style

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
 
<html>
 
<head>...</head>
 
<body>
 
<contenu_divers>
 
<table1> ... </table1>
 
<table2> ... </table2>
...
<table_n> ... </table_n>
 
</body>
</html>

Sans rien entre la dernière table et la fin du doc (</body>).

Non, a priori il peut y avoir des données à la fin aussi.

Les tables ont chacune un style, mais pas forcément un style simple à décrire (ça peut être 'style=border-top : 1px:', c'est très variable en fonction de la mise en forme que le créateur du tableau a voulu donner) et surtout ni prévisible, ni maîtrisable.

En fait, la raison pour laquelle je retire les tables intermédiaires est que lors de l'affichage, excel applique des largeurs automatiques à toutes les cellules dès lors qu'il y a plus d'une table sur la page. Evidemment, j'aimerais bien que les largeur définies restent.

s.n.a.f.u · 20/02/2007, 16h31

Citation:

Envoyé par goodpz

Ceci, peut être:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
 
$str = $_SESSION['contents'];
preg_match('~<table[^>]*>(.+)</table>~is', $str, $a);
$con = preg_replace('~<table[^>]*>|</table>~i', '', $a[1]);
$res = preg_replace('~<table([^>]*)>(?:.+)</table>~is', '<table\1>'.$con.'</table>', $str);
 
echo htmlentities($res);

J'essaie de comprendre ce qui me parait une très bonne piste.
Tu me corriges, goodpz ?

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

preg_match('~<table[^>]*>(.+)</table>~is', $str, $a);

Extraction de tout ce qui est compris entre la première balise <table> et </table>, celles-ci non comprises, dans le tableau $a.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

$con = preg_replace('~<table[^>]*>|</table>~i', '', $a[1]);

Remplacement de la balise <table ...> ou </table> par que dalle.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

$res = preg_replace('~<table([^>]*)>(?:.+)</table>~is', '<table\1>'.$con.'</table>', $str);

Là, je voie pas, pourquoi ne suffit-il pas de faire ça :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

$res = preg_replace('~<table([^>]*)>(.+)</table>~is', $con, $str);

Sans code pour tester, c'est vraiment pas évident.
Mais on y est presque !

goodpz · 20/02/2007, 16h46

Citation:

Extraction de tout ce qui est compris entre la première balise <table> et </table>, celles-ci non comprises, dans le tableau $a.

1) Non, pas exactement (c'est greedy). Ca va extraire tout ce qui est entre le premier <table> et le dernier </table> de la page (non compris effectivement, c'est là l'astuce ; )

Citation:

Remplacement de la balise <table ...> ou </table> par que dalle.

2) Oui et ce remplacement se fait sur la chaine extraite précédement.

Citation:

Là, je voie pas, pourquoi ne suffit-il pas de faire ça

3) Du coup ensuite, je reprends la chaîne de départ et je remplace l'interieur du premier <table> jusqu'au dernier </table> par le contenu nettoyé en 2)

Mes testes en local quand j'ai écrit le truc hier marchaient bien d'après son exemple donné dans le premier post

s.n.a.f.u · 20/02/2007, 16h58

Citation:

Envoyé par goodpz

1) Non, pas exactement (c'est greedy). Ca va extraire tout ce qui est entre le premier <table> et le dernier </table> de la page (non compris effectivement, c'est là l'astuce ; )

2) Oui et ce remplacement se fait sur la chaine extraite précédement.

3) Du coup ensuite, je reprends la chaîne de départ et je remplace l'interieur du premier <table> jusqu'au dernier </table> par le contenu nettoyé en 2)

Mes testes en local quand j'ai écrit le truc hier marchaient bien d'après son exemple donné dans le premier post

1) C'est ce que j'avais compris, je me suis mal exprimé.

3) J'avais aussi bien compris le principe, aussi je ne comprends toujours pas le besoin de

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

'<table\1>'.$con.'</table>'

au lieu de

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

$con

guidav · 20/02/2007, 17h02

Citation:

1) Non, pas exactement (c'est greedy). Ca va extraire tout ce qui est entre le premier <table> et le dernier </table> de la page (non compris effectivement, c'est là l'astuce ; )

Justement, j'ai eu un problème avec le greedy (voir mon message de 11h14), comme si le greedy avait commencé à la 2è balise.

s.n.a.f.u · 20/02/2007, 17h03

OK, j'ai pigé !

J'y suis presque : ne manquerait-il pas un $ avant le 1 dans le motif de remplacement ?

--- edit --
Je répondais à goodpz

goodpz · 20/02/2007, 17h06

Citation:

aussi je ne comprends toujours pas le besoin de

Car il faut bien garder le premier <table...> et le tout dernier </table>

Si on se contente de remplacer uniquement par $con (qui est le 'contenu' nettoyé), on n'aura plus aucun table dans la page

Citation:

ne manquerait-il pas un $ avant le 1 dans le motif de remplacement

Non, enfin tu peux, mais '\1' suffit

Edit: ok tu as pigé ; )

guidav · 20/02/2007, 17h06

Au fait, merci, je viens de tester et ça marche nickel. Je n'avais pas pensé au stockage temporaire dans $a de preg_match.
Mais je ne comprends pas pourquoi ma version avec callback ne fonctionnait pas

goodpz · 20/02/2007, 17h09

Citation:

Justement, j'ai eu un problème avec le greedy (voir mon message de 11h14), comme si le greedy avait commencé à la 2è balise.

Il n'y a pas de problème de greedy. Relis le post #8

Lol, commence à être compliquée cette thread ; )

s.n.a.f.u · 20/02/2007, 17h09

Super !

Résolu...

goodpz · 20/02/2007, 17h12

Citation:

Au fait, merci, je viens de tester et ça marche nickel

Tu aurais pu tester un peu plus tôt, ça nous aurait épargné beaucoup de bytes ; )

guidav · 20/02/2007, 17h25

Comprends toujours pas le coup du greedy : j'ai justement demandé greedy, et j'ai l'impression qu'il n'est pas complètement greedy ! Enfin bon, j'ai 1000 autres problèmes à régler avant de comprendre tout ça.
Merci à vous 2 en tous cas !

20/02/2007, 15h11	#4
s.n.a.f.u Modérateur Développeur Web Inscription : août 2006 Messages : 2 700 Détails du profil Informations personnelles : Sexe : Âge : 37 Localisation : France, Loire Atlantique (Pays de la Loire) Informations professionnelles : Activité : Développeur Web Informations forums : Inscription : août 2006 Messages : 2 700 Points : 3 357 Points : 3 357	Bonjour, Ce document html a-t-il besoin d'être parsé à chaque affichage de la page ? Si oui, pourquoi est-il dans cet état ? Si non, c'est un script planifié que tu veux lancer ? Dans ce dernier cas, je feras plutôt du traitement ligne par ligne avec l'aide flags correctement placés pour effectuer le travail. Du coup, la regexp à trouver est beaucoup plus simple.
	00

20/02/2007, 15h54	#7
s.n.a.f.u Modérateur Développeur Web Inscription : août 2006 Messages : 2 700 Détails du profil Informations personnelles : Sexe : Âge : 37 Localisation : France, Loire Atlantique (Pays de la Loire) Informations professionnelles : Activité : Développeur Web Informations forums : Inscription : août 2006 Messages : 2 700 Points : 3 357 Points : 3 357	Autre idée : tu dis que tes tables ont chacunes un style. Peut-il servir de critère de différenciation des balises ?
	00

20/02/2007, 17h03	#14
s.n.a.f.u Modérateur Développeur Web Inscription : août 2006 Messages : 2 700 Détails du profil Informations personnelles : Sexe : Âge : 37 Localisation : France, Loire Atlantique (Pays de la Loire) Informations professionnelles : Activité : Développeur Web Informations forums : Inscription : août 2006 Messages : 2 700 Points : 3 357 Points : 3 357	OK, j'ai pigé ! J'y suis presque : ne manquerait-il pas un $ avant le 1 dans le motif de remplacement ? --- edit -- Je répondais à goodpz
	00

20/02/2007, 17h06	#16
guidav Membre chevronné Inscription : janvier 2006 Messages : 918 Détails du profil Informations forums : Inscription : janvier 2006 Messages : 918 Points : 735 Points : 735	Au fait, merci, je viens de tester et ça marche nickel. Je n'avais pas pensé au stockage temporaire dans $a de preg_match. Mais je ne comprends pas pourquoi ma version avec callback ne fonctionnait pas
	00

20/02/2007, 17h09	#18
s.n.a.f.u Modérateur Développeur Web Inscription : août 2006 Messages : 2 700 Détails du profil Informations personnelles : Sexe : Âge : 37 Localisation : France, Loire Atlantique (Pays de la Loire) Informations professionnelles : Activité : Développeur Web Informations forums : Inscription : août 2006 Messages : 2 700 Points : 3 357 Points : 3 357	Super ! Résolu...
	00

20/02/2007, 17h25	#20
guidav Membre chevronné Inscription : janvier 2006 Messages : 918 Détails du profil Informations forums : Inscription : janvier 2006 Messages : 918 Points : 735 Points : 735	Comprends toujours pas le coup du greedy : j'ai justement demandé greedy, et j'ai l'impression qu'il n'est pas complètement greedy ! Enfin bon, j'ai 1000 autres problèmes à régler avant de comprendre tout ça. Merci à vous 2 en tous cas !
	00

Outils de la discussion
Afficher une version imprimable Envoyer un lien vers cette page par email