Supprimer balise [Résolu]

[Fiquet]

Petite question au sujet des expressions régulières. Pour l'écriture d'un parseur, je souhaite supprimer des balises <br /> qui se mettent dans une liste <ul> ou <ol>, ce qui rend le code html non valide.

Exemple :

Code html :

1
2
3
4
5
6
7
8
9
10
11
12
13
Valide :
<ul>
  <li>elem 1<br />test</li>
  <li>elem 2</li>
</ul>
 
Non Valide :
<ul>
<br />
  <li>elem<br />test</li>
  <li>elem</li>
  </br>
</ul>

J'ai trouvé l'expression régulière pour supprimer les <br />, mais comment faire pour ne les supprimer que dans les balises <ul>...</ul> ou <ol>...</ol> ? J'ai essayé plusieurs codes mais ça ne marche pas.

Code :

1
2
3
4
5
// Supprime tout les <br />
$text = preg_replace('`(^|\W)(<br />)(\W|$)`si','$1 $3', $text);
 
// Ne marche pas
$text = preg_replace('`<ul>(^|\W)(<br />)(\W|$)</ul>`si','$1 $3', $text);

[guidav]

Il te faut utiliser le modificateur U (ungreedy) pour récupérer les balises une par une.
Essaye

Code :

$text = preg_replace(#(<ul>*)(<br />)(.*</ul>)`Usi','\\1 \\3', $text);

Idem pour <li>

[s.n.a.f.u]

Code :

$text = preg_replace('#(<ul.*)(<br />)(.*</ul>)#Usi','$1$3', $text);

Il manquait un dièse... Je crois...
De plus, je préfère "<ul.*" au cas où il y aurait une mention de style, de classe, etc...
Et pourquoi un espace en replacant $1 et $3 ?

[Fiquet]

Envoyé par guidav

Il te faut utiliser le modificateur U (ungreedy) pour récupérer les balises une par une.
Essaye

Code :

$text = preg_replace(#(<ul>*)(<br />)(.*</ul>)`Usi','\\1 \\3', $text);

Idem pour <li>

J'ai essayé avec ton code comme ceci (il manquait le ' et j'ai fermé avec #) :

Code :

1
2
$text = preg_replace('#(<ul>*)(<br />)(.*</ul>)`#','\\1 \\3', $text);
$text = preg_replace('#(<li>*)(<br />)(.*</li>)`#','\\1 \\3', $text);

Edit : même chose avec

Code :

$text = preg_replace('#(<ul.*)(<br />)(.*</ul>)#Usi','$1$3', $text);

[Fiquet]

En fait en mettant

Code :

1
2
$text = preg_replace('#(<ul.*)(<br />)(.*</ul>)#Usi','$1$3', $text);
$text = preg_replace('#(<li.*)(<br />)(.*</li>)#Usi','$1$3', $text);

Il m'affiche

Code html :

1
2
3
4
5
<ul>
<li>salut</li>
<li>adieu</li><br />
<li>manger</li><br />
</ul>]

Au lieu de

Code html :

1
2
3
4
5
<ul><br />
<li>salut</li><br />
<li>adieu</li><br />
<li>manger</li><br />
</ul>

Donc il y a une amélioration mais il ne remplace qu'un <br />. Comment en remplacer plusieurs ?

[s.n.a.f.u]

Nous sommes bien d'accord que $text contient bien tout le code ?
Pas que la première ligne...

[s.n.a.f.u]

Nan, je crois savoir.

Notre regexp chope un <br /> et pense avoir fini.
Il faut trouver un truc pour qu'elle se répète.

Essaies juste ça :

Code :

1
2
3
 
$text = preg_replace('#(<ul.*)<br />#Usi','$1', $text);
$text = preg_replace('#(</li>.*)<br />#Usi','$1', $text);

--- edit ---

Je m'aperçois que c'est pas encore ça. Je l'ai sur le bout de la langue, mais c'est l'heure de débaucher.
Ad taleur peut-être...

[Fiquet]

Merci ça marche enfin ! moi et les regexp ça fait 2, faudra que je pense à étudier un peu cette synthaxe bizarre .



Edit : bizarre chez moi ça marche

[s.n.a.f.u]

Envoyé par Fiquet

Edit : bizarre chez moi ça marche

Oui, mais si tu as par chance une page sans <br /> après les </li>, je pense qu'elle va t'en faire sauter au moins un autre ensuite, ce qui n'est pas bon.

[Fiquet]

Envoyé par jml94

Oui, mais si tu as par chance une page sans <br /> après les </li>, je pense qu'elle va t'en faire sauter au moins un autre ensuite, ce qui n'est pas bon.

Effectivement s'il n'y a aucun <br /> ça supprime plus loin .

[s.n.a.f.u]

Je vais essayer plusieurs trucs.

Le premier :

Code :

1
2
 
$text = preg_replace('#(<ul.*)<br />(<li>|</ul>)#Usi','$1$2', $text);

[s.n.a.f.u]

Le deuxième :

Code :

1
2
3
 
 
$text = preg_replace('#(</li>.*)<br />(<li>|</ul>)#Usi','$1$2', $text);

Et peut-être un mix des deux si ça suffit pas...

[Fiquet]

Les deux n'ont aucun effet, ni seules, ni ensembles . Aurais-je trouvé la regex impossible ?

[s.n.a.f.u]

NAN !

On va y arriver !

Et ça ?

Code :

1
2
3
 
$text = preg_replace('#(<ul.*)<br />(.*<li>|</ul>)#Usi','$1$2', $text);
$text = preg_replace('#(</li>.*)<br />(.*<li>|</ul>)#Usi','$1$2', $text);

J'ai rajouté des .* qui peuvent faire la différence.

[daniel61]

Envoyé par jml94

Code :

très bonne idée, et en fusionnant comme ça?

Code :

1
2
 
$text=preg_replace('#((?:</li>|<[ou]l[^>]*>)\s*).*(\s*(<li[\s>]|</[ou]l>))#Usi','$1$2',$text);

[s.n.a.f.u]

En fait non, une fois que les bonnes expressions seront repérées, je compte plutôt utiliser des tableaux de correspondance. Question de goût, je trouve ça plus smart, mais ce n'est qu'un avis.

[Fiquet]

Et bien en fait la solution de daniel61 fonctionne, mais celle de jml94 avec les deux expressions non. Elles sont censées être équivalentes ? En tout cas la dernière solution fonctionne.

[s.n.a.f.u]

Bah, si tu as le choix entre quelque chose qui marche et une autre qui marche pas...

Well done Daniel !

J'avais même pas lu ta belle regexp, bloqué que j'étais sur mon idée de tableaux.

C'est quand même bô une regexp comme ça, nan ?

[daniel61]

Envoyé par Fiquet

Elles sont censées être équivalentes ?

oui elles le sont, c'est bien le travail de jml94 et pas le mien.

la différence est qu'avant de poster il y avait un <br /> au centre et j'ai pensé de le remplacer par .* donc elle enlève tout sauf la mise en forme... donc aucun élément (X)HTML ne seront tolérés à ces endroits pas plus que du texte... seul <li></li> et ce qu'ils contiennent seront entre <ul></ul> et <ol></ol>... à tester tout de même.

Envoyé par jml94

C'est quand même bô une regexp comme ça, nan ?

honnêtement, je ne l'aurais jamais vu sans ton code.

[s.n.a.f.u]

Je vais essayer de décortiquer un peu ce joli lancé de daniel61.

Code :

1
2
 
$text=preg_replace('#((?:</li>|<[ou]l[^>]*>)\s*).*(\s*(<li[\s>]|</[ou]l>))#Usi','$1$2',$text);

[ou]l : "ol" ou "ul"
[^>]* : tout caractères sauf ">"
?: : parenthèse de regroupement seul, sans capture
(?:</li>|<[ou]l[^>]*>) : on repère </li> ou <ol...> ou <ul...> sans capturer

((?:</li>|<[ou]l[^>]*>)\s*) : on repère </li> ou <ol...> ou <ul...> suivi de blancs et on capture en $1

(<li[\s>]|</[ou]l>) : on repère <li> ou <li > ou </ol> ou </ul> et on capture en $2

(\s*(<li[\s>]|</[ou]l>)) : on repère <li> ou <li > ou </ol> ou </ul> précédés de blancs et on capture en $3

entre les deux, on prend tout et on ne capture pas

Donc on va remplacer tout ce qui se trouve entre </li>, <ol...> ou <ul...> et <li> ou <li > ou </ol> ou </ul>, le tout en "ungreedy". (merci le Camel Book)

Cette expression est très belle, mais il y a encore un peu d'amélioration à apporter je pense.
Après une bonne prise de tête, je vais prendre un café avec les collègues et je reviens voir ce qu'on peut faire.

PS : pour ce genre d'expressions non-triviales, tu peux aussi demander dans le forum Perl. Ces garçons un peu extra terrestres sont souvent bilingues en regexp.