preg_match trouver un bloc parmi d'autres

**flashub** · 08/09/2011, 12h55

Bonjour,
je cherche quel regex pour extraire l'unique bloc qui commence par <table> et qui fini par </table> et qui contient http://www.abcd.com/lebon parmi ceux-ci :

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
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
$str='<table width="100%" cellspacing="0" cellpadding="0" border="0" class="tab">
  <tbody><tr>
    <td width="10" valign="top" class="img" rowspan="4"><a rel="" class="ceebox" href="3945.jpg"><img border="0" alt="nom" src="3945_mini.jpg"/></a></td>
		<td valign="top" height="16"><span style="color: rgb(5, 171, 239);" class="nom">nom</span> <span class="Style">genre</span></td>
	</tr>
	<tr>
    <td valign="top" class="Nat">FR</td>
	</tr>
	<tr>
    <td valign="top" class="Bio"><p>Physicus quidam, mathematicus et Dialecticae peritus una tramine vehuntur ut Londinium petant. Cum e cuniculo discedant, ovem nigram per fenestram cernunt. Physicus illa dicit : "Hem ! Omnes oves anglicae nigrae sunt." Mathematicus corrigit : "Minime, Tantum autumare possumus in Anglia exstare unam saltem ovem quae nigra est."
Tunc dialecticus corrigit : "Minime, tantum asserere possumus in Anglia exstitisse unam saltem ovem, per paucas secundas dumtaxat, quae nigra erat in una saltem pariete."</p></td>
	</tr>
	<tr>
    <td class="Links">
			<a target="_blank" href="http://www.abcd.com/poiu">abcd</a><a target="_blank" href="http://www.poiu.com/">site</a>
		</td>
	</tr>
</tbody></table>
<table width="100%" cellspacing="0" cellpadding="0" border="0" class="tab">
  <tbody><tr>
    <td width="10" valign="top" class="img" rowspan="4"><a rel="" class="ceebox" href="3945.jpg"><img border="0" alt="nom" src="3945_mini.jpg"/></a></td>
		<td valign="top" height="16"><span style="color: rgb(5, 171, 239);" class="nom">nom</span> <span class="Style">genre</span></td>
	</tr>
	<tr>
    <td valign="top" class="Nat">FR</td>
	</tr>
	<tr>
    <td valign="top" class="Bio"><p>Physicus quidam, mathematicus et Dialecticae peritus una tramine vehuntur ut Londinium petant. Cum e cuniculo discedant, ovem nigram per fenestram cernunt. Physicus illa dicit : "Hem ! Omnes oves anglicae nigrae sunt." Mathematicus corrigit : "Minime, Tantum autumare possumus in Anglia exstare unam saltem ovem quae nigra est."
Tunc dialecticus corrigit : "Minime, tantum asserere possumus in Anglia exstitisse unam saltem ovem, per paucas secundas dumtaxat, quae nigra erat in una saltem pariete."</p></td>
	</tr>
	<tr>
    <td class="Links">
			<a target="_blank" href="http://www.abcd.com/lebon">abcd</a><a target="_blank" href="http://www.lebon.com/">site</a>
		</td>
	</tr>
</tbody></table>
<table width="100%" cellspacing="0" cellpadding="0" border="0" class="tab">
  <tbody><tr>
    <td width="10" valign="top" class="img" rowspan="4"><a rel="" class="ceebox" href="3945.jpg"><img border="0" alt="nom" src="3945_mini.jpg"/></a></td>
		<td valign="top" height="16"><span style="color: rgb(5, 171, 239);" class="nom">nom</span> <span class="Style">genre</span></td>
	</tr>
	<tr>
    <td valign="top" class="Nat">FR</td>
	</tr>
	<tr>
    <td valign="top" class="Bio"><p>Physicus quidam, mathematicus et Dialecticae peritus una tramine vehuntur ut Londinium petant. Cum e cuniculo discedant, ovem nigram per fenestram cernunt. Physicus illa dicit : "Hem ! Omnes oves anglicae nigrae sunt." Mathematicus corrigit : "Minime, Tantum autumare possumus in Anglia exstare unam saltem ovem quae nigra est."
Tunc dialecticus corrigit : "Minime, tantum asserere possumus in Anglia exstitisse unam saltem ovem, per paucas secundas dumtaxat, quae nigra erat in una saltem pariete."</p></td>
	</tr>
	<tr>
    <td class="Links">
			<a target="_blank" href="http://www.abcd.com/azerty">abcd</a><a target="_blank" href="http://www.azerty.com/">site</a>
		</td>
	</tr>
</tbody></table>';
 
//j'ai essayé ce qui suit mais ça me renvoi toutes les tables :
 
 
$link="http://www.abcd.com/lebon";
 
$slash2p = array("/", ":");
$slash2pok   = array("\/", "\:");
 
$linkok = str_replace($slash2p , $slash2pok , $link);
 
	if(preg_match("#<table(.*?).*".$newlink.".*</table>#is", $str, $matches))
{
    echo '<pre>' . htmlentities(print_r($matches, true)) . '</pre>';
}

et surtout je veux pas faire de boucle pour trouver le résultat, preg_match doit me renvoyer l'unique bloc table qui contient http://www.abcd.com/lebon
ça doit pas être très compliqué mais je cale un peu.

Merci

**Avalion** · 08/09/2011, 14h30

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

'#<table.*?http://www.abcd.com/lebon.*?</table>#'

Edit : Ne marche pas...

a revoir : ne pas retrouver <table> avant l'url.

Je lance une série de tests

**flashub** · 08/09/2011, 14h49

et non je vais là-dessus pour tester :
http://lumadis.be/regex/test_regex.php

et avec ton expression ça ne renvoi rien :
il faut au moins la mettre comme ça #<table.*?http://www.abcd.com/lebon.*?</table>#s
mais ça reviens à celle que j'avais donné
je test ça :

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
18
19
20
21
22
23
24
25
26
27
<table width="100%" cellspacing="0" cellpadding="0" border="0" class="tab">
  <tbody><tr>   
	</tr>
	<tr>
    <td class="Links">
			<a target="_blank" href="http://www.abcd.com/poiu">abcd</a><a target="_blank" href="http://www.poiu.com/">site</a>
		</td>
	</tr>
</tbody></table>
<table width="100%" cellspacing="0" cellpadding="0" border="0" class="tab">
  <tbody><tr>
    <td width="10" valign="top" class="img" rowspan="4"><a rel="" class="ceebox" href="3945.jpg"><img border="0" alt="nom" src="3945_mini.jpg"/></a></td>
		<td valign="top" height="16"><span style="color: rgb(5, 171, 239);" class="nom">nom</span> <span class="Style">genre</span></td>
	</tr>
	<tr>
    <td valign="top" class="Nat">FR</td>
	</tr>
	<tr>
    <td valign="top" class="Bio"><p>Physicus quidam, mathematicus et Dialecticae peritus una tramine vehuntur ut Londinium petant. Cum e cuniculo discedant, ovem nigram per fenestram cernunt. Physicus illa dicit : "Hem ! Omnes oves anglicae nigrae sunt." Mathematicus corrigit : "Minime, Tantum autumare possumus in Anglia exstare unam saltem ovem quae nigra est."
Tunc dialecticus corrigit : "Minime, tantum asserere possumus in Anglia exstitisse unam saltem ovem, per paucas secundas dumtaxat, quae nigra erat in una saltem pariete."</p></td>
	</tr>
	<tr>
    <td class="Links">
			<a target="_blank" href="http://www.abcd.com/lebon">abcd</a><a target="_blank" href="http://www.lebon.com/">site</a>
		</td>
	</tr>
</tbody></table>

et

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

#<table.*?http://www.abcd.com/lebon.*?</table>#s

me renvoi l'ensemble alors que je voudrai obtenir que ça:

Code html :

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
18
<table width="100%" cellspacing="0" cellpadding="0" border="0" class="tab">
<tbody><tr>
<td width="10" valign="top" class="img" rowspan="4"><a rel="" class="ceebox" href="3945.jpg"><img border="0" alt="nom" src="3945_mini.jpg"/></a></td>
<td valign="top" height="16"><span style="color: rgb(5, 171, 239);" class="nom">nom</span> <span class="Style">genre</span></td>
</tr>
<tr>
<td valign="top" class="Nat">FR</td>
</tr>
<tr>
<td valign="top" class="Bio"><p>Physicus quidam, mathematicus et Dialecticae peritus una tramine vehuntur ut Londinium petant. Cum e cuniculo discedant, ovem nigram per fenestram cernunt. Physicus illa dicit : "Hem ! Omnes oves anglicae nigrae sunt." Mathematicus corrigit : "Minime, Tantum autumare possumus in Anglia exstare unam saltem ovem quae nigra est."
Tunc dialecticus corrigit : "Minime, tantum asserere possumus in Anglia exstitisse unam saltem ovem, per paucas secundas dumtaxat, quae nigra erat in una saltem pariete."</p></td>
</tr>
<tr>
<td class="Links">
<a target="_blank" href="http://www.abcd.com/lebon">abcd</a><a target="_blank" href="http://www.lebon.com/">site</a>
</td>
</tr>
</tbody></table>

Merci

**Avalion** · 08/09/2011, 14h59

Oui oui j'ai vu par contre j'avais pas vu qu'il y avait ta regexp à la fin du code XD

Par contre la regexp conditionnelle c'est pas trop mon truc :s

Tu peux proceder autrement... Je te proposerai ceci

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
$pos = strpos($str,'<table');
while (strpos($str,'<table',$pos) < strpos($str,'http://www.abcd.com/lebon',$pos)) {
$pos = strpos($str,'<table',$pos);
}
 
$end = strpos($str,'</table>',$pos);
$table = substr($str,$pos,($end-$pos+9));

**flashub** · 08/09/2011, 19h01

et oui mais non je veux pas faire de boucle je peux avoir 100 tables identiques.
je viens d'essayer ça :
#(?!.+<table.*)<table.*?http://www.abcd.com/lebon.*?</table>#s

et ça à l'air de marcher sur ça :

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
18
19
20
21
22
23
24
25
26
27
28
29
30
31
<table width="100%" cellspacing="0" cellpadding="0" border="0" class="tab">
<table width="100%" cellspacing="0" cellpadding="0" border="0" class="tab">
<table width="100%" cellspacing="0" cellpadding="0" border="0" class="tab">
  <tbody><tr>   
	</tr>
	<tr>
    <td class="Links">
			<a target="_blank" href="http://www.abcd.com/poiu">abcd</a><a target="_blank" href="http://www.poiu.com/">site</a>
		</td>
	</tr>
</tbody></table>
<table width="100%" cellspacing="0" cellpadding="0" border="0" class="tab">
  <tbody><tr>
    <td width="10" valign="top" class="img" rowspan="4"><a rel="" class="ceebox" href="3945.jpg"><img border="0" alt="nom" src="3945_mini.jpg"/></a></td>
		<td valign="top" height="16"><span style="color: rgb(5, 171, 239);" class="nom">nom</span> <span class="Style">genre</span></td>
	</tr>
	<tr>
    <td valign="top" class="Nat">FR</td>
	</tr>
	<tr>
    <td valign="top" class="Bio"><p>Physicus quidam, mathematicus et Dialecticae peritus una tramine vehuntur ut Londinium petant. Cum e cuniculo discedant, ovem nigram per fenestram cernunt. Physicus illa dicit : "Hem ! Omnes oves anglicae nigrae sunt." Mathematicus corrigit : "Minime, Tantum autumare possumus in Anglia exstare unam saltem ovem quae nigra est."
Tunc dialecticus corrigit : "Minime, tantum asserere possumus in Anglia exstitisse unam saltem ovem, per paucas secundas dumtaxat, quae nigra erat in una saltem pariete."</p></td>
	</tr>
	<tr>
    <td class="Links">
			<a target="_blank" href="http://www.abcd.com/lebon">abcd</a><a target="_blank" href="http://www.lebon.com/">site</a>
		</td>
	</tr>
</tbody></table>
</tbody></table>
</tbody></table>

il me renvoi bien la partie que je souhaite.
Si quelqu'un peut valider que ça va pas créer des bugs...

Merci

**stealth35** · 08/09/2011, 19h03

pour parser du HTML c'est DOMDocument ...

**Doc_xhtml** · 08/09/2011, 20h12

Bonsoir,

L'insistance de Stealth pour parser du html avec DOMDocument va peut-être progressivement porter ses fruits

Pour ma part, je commence à m'y mettre et à un peu comprendre la logique de cette API (voir mon ajout d'aujourd'hui à mon post "Parser à l'aide de DOM..."), mais suis encore peu convaincu qu'il faille systématiquement utiliser DOMDocument (et son acolyte XPath, ou SimpleXML), même si intellectuellement cette démarche puisse sembler plus rigoureuse et plus cohérente que l'utilisation dévoyée de regex.

Comme je l'écrivais dans mon post, peut-être est-ce une question de "rentabilité" : il y a des éléments qui peuvent être repérés sans équivoque à l'aide d'une regex relativement simple ; pour d'autres il vaut mieux utiliser DOMDocument (qui peut parfois être la seule solution fiable).

**flashub** · 08/09/2011, 20h29

Dom document me permet pas de chercher une expression sans boucler sur toute la page. Si ? Je peux pas me permettre de faire des foreach...
bon sinon ce que j'ai trouvé : #(?!.+<table.*)<table.*?http://www.abcd.com/lebon.*?</table>#s
c'est pas encore ça ça marche plus avec :

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
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
<table width="100%" cellspacing="0" cellpadding="0" border="0" class="tab">
<table width="100%" cellspacing="0" cellpadding="0" border="0" class="tab">
<table width="100%" cellspacing="0" cellpadding="0" border="0" class="tab">
  <tbody><tr>   
	</tr>
	<tr>
    <td class="Links">
			<a target="_blank" href="http://www.abcd.com/poiu">abcd</a><a target="_blank" href="http://www.poiu.com/">site</a>
		</td>
	</tr>
</tbody></table>
<table width="100%" cellspacing="0" cellpadding="0" border="0" class="tab">
  <tbody><tr>
    <td width="10" valign="top" class="img" rowspan="4"><a rel="" class="ceebox" href="3945.jpg"><img border="0" alt="nom" src="3945_mini.jpg"/></a></td>
		<td valign="top" height="16"><span style="color: rgb(5, 171, 239);" class="nom">nom</span> <span class="Style">genre</span></td>
	</tr>
	<tr>
    <td valign="top" class="Nat">FR</td>
	</tr>
	<tr>
    <td valign="top" class="Bio"><p>Physicus quidam, mathematicus et Dialecticae peritus una tramine vehuntur ut Londinium petant. Cum e cuniculo discedant, ovem nigram per fenestram cernunt. Physicus illa dicit : "Hem ! Omnes oves anglicae nigrae sunt." Mathematicus corrigit : "Minime, Tantum autumare possumus in Anglia exstare unam saltem ovem quae nigra est."
Tunc dialecticus corrigit : "Minime, tantum asserere possumus in Anglia exstitisse unam saltem ovem, per paucas secundas dumtaxat, quae nigra erat in una saltem pariete."</p></td>
	</tr>
	<tr>
    <td class="Links">
			<a target="_blank" href="http://www.abcd.com/lebon">abcd</a><a target="_blank" href="http://www.lebon.com/">site</a>
		</td>
	</tr>
</tbody></table>
 
<table width="100%" cellspacing="0" cellpadding="0" border="0" class="tab">
  <tbody><tr>  
</tbody></table>

Nothing found !

**stealth35** · 09/09/2011, 09h10

Envoyé par flashub

Dom document me permet pas de chercher une expression sans boucler sur toute la page. Si ?

si

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
$doc = new DOMDocument();
$doc->loadHTMLFile('test.html');
 
$xpath = new DOMXpath($doc);
$query = $xpath->query(sprintf('//*[@*="%s"]/ancestor::table', 'http://www.abcd.com/poiu'));
 
$temp = new DOMDocument();
 
foreach($query->item(0)->childNodes as $node) {
    $temp->appendChild($temp->importNode($node, true));
}
 
echo $temp->saveHTML();

**flashub** · 09/09/2011, 13h02

Ouahou c'est magnifique cette notation

Je connaissais pas sprintf je découvre

La puissance du DOMDocument.
Bravo

Franchement c'est magnifique, je suis scotché et il me reste beaucoup de chose à apprendre

Merci beaucoup

**stealth35** · 09/09/2011, 14h03

Envoyé par flashub

Ouahou c'est magnifique cette notation

Je connaissais pas sprintf je découvre

La puissance du DOMDocument.
Bravo

Franchement c'est magnifique, je suis scotché et il me reste beaucoup de chose à apprendre

Merci beaucoup

si tu veux plus d'explications n'hésite pas

**flashub** · 09/09/2011, 14h14

j'avoue que j'ai du mal à décrypter : *[@*="%s"]
%s je pense que c'est 'http://www.abcd.com/poiu'
mais *[@*= ça veux dire tout ce qui a autour de %s ? et ancestor::table limité à la balise table ?

**stealth35** · 09/09/2011, 14h23

Envoyé par flashub

j'avoue que j'ai du mal à décrypter : *[@*="%s"]
%s je pense que c'est 'http://www.abcd.com/poiu'
mais *[@*= ça veux dire tout ce qui a autour de %s ? et ancestor::table limité à la balise table ?

c'est du Xpath :
//*[@*="%s"]/ancestor::tablen’importe quelle nœud a partir de l'importe ou (//*)
dont n'importe quelle attribute est égale a (ici l'url) ([@*=truc])
on prend sélectionne l’ancêtre de ce dernier donc ici c'est table

imagine que dans ton code tu souhaites tout les liens de la classe "img"

tu feras

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

//*[@class="img"]/a

**flashub** · 28/09/2011, 16h13

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
$doc = new DOMDocument();
$doc->loadHTMLFile('test.html');
 
$xpath = new DOMXpath($doc);
$query = $xpath->query(sprintf('//*[@*="%s"]/ancestor::table', 'http://www.abcd.com/poiu'));
 
$temp = new DOMDocument();
 
foreach($query->item(0)->childNodes as $node) {
    $temp->appendChild($temp->importNode($node, true));
}
 
echo $temp->saveHTML();

cette notation marche très bien mais j'ai beau cherché je ne vois que peu d'exemple avec ancestor et sprintf
supposons :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

<div class="aa">text ok </div> <div class="bb"><img class="cc" src="ii.jpg" width="82" height="80" alt="" title="" /><span class="dd"></span><h1>poiu</h1><h2>Physicus quidam, mathematicus et Dialecticae peritus una tramine vehuntur ut Londinium petant. Cum e cuniculo discedant, ovem nigram per fenestram cernunt. Physicus illa dicit : "Hem ! Omnes oves anglicae nigrae sunt." Mathematicus corrigit : "Minime, Tantum autumare possumus in Anglia exstare unam saltem ovem quae nigra est."</h2><span class="ee"><a href="http://www.abcd.com/poiu" target="_blank alt="poiu  title=poiu " >http://www.abcd.com/poiu</a></span></div>

à l'aide de la même technique je veux récupérer en prenant <h1>poiu</h1> comme recherche:
1. le contenu de la div : <div class="bb">...</div>
2. l'ensemble du bloc de <div class="aa"> à </div> de fin ?

comment faire ?
$query = $xpath->query(sprintf('//h1->nodeValue="%s"/ancestor::div', 'poiu')); ne marche évidement pas...

**stealth35** · 28/09/2011, 16h22

il va falloir faire 2 requêtes, et le <h1> et <div class="aa">, ne sont pas dans le même nœud,
le xpath c'est pas du PHP donc nodeValue ne marche pas

pour la doc de xpath
http://www.w3.org/TR/xpath/

**flashub** · 28/09/2011, 16h42

alors juste pour le nœud ancêtre : <div class="bb"> pour donner une idée ?

**stealth35** · 28/09/2011, 18h03

Envoyé par flashub

alors juste pour le nœud ancêtre : <div class="bb"> pour donner une idée ?

//h1[text()="poiu"]/ancestor::div

**s.n.a.f.u** · 29/09/2011, 16h08

Envoyé par stealth35

pour parser du HTML c'est DOMDocument ...

Ou SimpleXML, qui est plus... simple

**stealth35** · 29/09/2011, 16h12

Envoyé par s.n.a.f.u

Ou SimpleXML, qui est plus... simple

non parce que HTML != XML

**flashub** · 05/10/2011, 14h17

Envoyé par stealth35

//h1[text()="poiu"]/ancestor::div

merci beaucoup ça marche nickel.
franchement j'ai eu beau chercher j'avais pas trouvé text(), aaah le vocabulaire

bon alors comment remonter au div <div class="aa">text ok </div> au dessus ? J'en demande trop ?
pas grave sinon je vais trouver.

preg_match trouver un bloc parmi d'autres [RegEx]

Langage PHP

Discussions similaires

Partager

Partager