Fusion de balise HTML

**nico44300** · 06/07/2018, 11h54

Bonjour,
je cherche un moyen du fichier des balises HTML.
Pour le contexte, ce code HTML est écrit par Adobe Indesign donc assez moche.

Voici ce que j'ai dans le fichier généré :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

<span class="refid-valeur char-style-override-6">RCR-ART-RCR-L</span><span class="refid-valeur char-style-override-6">213</span><span class="refid-valeur char-style-override-6">-1</span>

et voici ce que je souhaite obtenir :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

<span class="refid-valeur char-style-override-6">RCR-ART-RCR-L213-1</span>

Je dois faire le nettoyage automatique du fichier HTML pour le rendre propre car il y a des traitements automatique dessus.

Avez-vous une idée si cela est faisable avec une expression régulière ou une autre méthode en PHP ?

**bonjourajax** · 07/07/2018, 02h28

Bonsoir

En premier lieu faudrait savoir quel code génére ces span

**badaze** · 07/07/2018, 08h32

Essaie ça. A peine testé.

Code php :

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
 
 
<?php
$remplacePar = '~#####~';
$modele      = "/(<span[^>]+>)(.*?)($remplacePar)/msi";
$finTag      = '</span>';
$debTag      = '<span class="refid-valeur char-style-override-6">';
$aRemplacer  = "$finTag$debTag";
$texte       = '<div><span class="toto">titi</span><span class="refid-valeur char-style-override-6">RCR-ART-RCR-L</span><span class="refid-valeur char-style-override-6">213</span><span class="refid-valeur char-style-override-6">-1</span><span class="toto">tata</span></div>';
var_dump($texte);
 
$texte2      = str_replace($aRemplacer,$remplacePar,$texte);
var_dump($texte2);
$texte3      = preg_replace($modele,"<a href="file://\\1\\2$debTag",$texte2,1" target="_blank">\\1\\2$debTag",$texte2,1</a>);
var_dump($texte3);
$texte4      = str_replace($remplacePar,"",$texte3);
var_dump($texte4);

Bien que j'aie décoché la conversion automatique des liens le forum transforme quand même la ligne qui commence par $texte3 =

Nom : Capture20180707_001.JPG
Affichages : 207
Taille : 16,1 Ko

Nom : Capture20180707_001.JPG
Affichages : 207
Taille : 16,1 Ko

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
 
string(257) "<div><span class="toto">titi</span><span class="refid-valeur char-style-override-6">RCR-ART-RCR-L</span><span class="refid-valeur char-style-override-6">213</span><span class="refid-valeur char-style-override-6">-1</span><span class="toto">tata</span></div>"
 
string(110) "<div><span class="toto">titi~#####~RCR-ART-RCR-L~#####~213~#####~-1</span><span class="toto">tata</span></div>"
 
string(152) "<div><span class="toto">titi<span class="refid-valeur char-style-override-6">RCR-ART-RCR-L~#####~213~#####~-1</span><span class="toto">tata</span></div>"
 
string(138) "<div><span class="toto">titi<span class="refid-valeur char-style-override-6">RCR-ART-RCR-L213-1</span><span class="toto">tata</span></div>"

**badaze** · 07/07/2018, 13h25

Effectivement pas assez testé.

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
 
<?php
$remplacePar = '~#####~';
$modele      = "/(<span[^>]+>)(.*?)($remplacePar)/msi";
$finTag      = '</span>';
$debTag      = '<span class="refid-valeur char-style-override-6">';
$aRemplacer  = "$finTag$debTag";
// $texte       = '<div><span class="toto">titi</span><span class="refid-valeur char-style-override-6">RCR-ART-RCR-L</span><span class="refid-valeur char-style-override-6">213</span><span class="refid-valeur char-style-override-6">-1</span><span class="toto">tata</span></div>';
// var_dump($texte);
$texte       = '<div><span class="refid-valeur char-style-override-6">RCR-ART-RCR-L</span><span class="refid-valeur char-style-override-6">213</span><span class="refid-valeur char-style-override-6">-1</span></div>';
var_dump($texte);
$texte      = str_replace($aRemplacer,$remplacePar,$texte,$nombreRemplacements);
var_dump($texte);
if ($nombreRemplacements % 2 == 1)
{
 $texte = preg_replace($modele,"<a href="file://\\1\\2$debTag",$texte,1" target="_blank">\\1\\2$debTag",$texte,1</a>);
 var_dump($texte);
}
$texte      = str_replace($remplacePar,"",$texte);
var_dump($texte);

Même remarque que pour le message précédent pour la regexp.

**CosmoKnacki** · 07/07/2018, 18h59

En utilisant les classes DOM***:

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
$html=<<<'EOD'
<html><head></head><body>
<span>autre</span><span class="refid-valeur char-style-override-6">1RCR-ART-RCR-L</span><span class="refid-valeur char-style-override-6">213</span><span class="refid-valeur char-style-override-6">-1</span>
<span>autre</span><span class="refid-valeur char-style-override-6">2RCR-ART-RCR-L</span><span class="refid-valeur char-style-override-6">213</span><span class="refid-valeur char-style-override-6">-1</span>
</body></html>
EOD;
 
$dom = new DOMDocument;
$dom->loadHTML($html, LIBXML_HTML_NODEFDTD | LIBXML_HTML_NOIMPLIED);
$xp = new DOMXPath($dom);
 
$firstElts = $xp->query('//span' // un element span n'importe où dans l'arbre DOM
   . '[@class="refid-valeur char-style-override-6"]' // avec l'attribut class recherché
   // qui n'est pas immédiatement précédé par un élément avec les mêmes caractéristiques
   . '[not(preceding-sibling::node()[1][local-name()="span"][@class="refid-valeur char-style-override-6"])]'
   // mais dont le nœud qui le suit immédiatement est un élément avec les mêmes caractéristiques
   . '[following-sibling::node()[1][local-name()="span"][@class="refid-valeur char-style-override-6"]]');
 
 
function isSameElt($node1, $node2) {
    if ( $node1->nodeName !== $node2->nodeName )
        return false;
 
    if ( $node1->attributes->length !== $node2->attributes->length ) 
        return false;
 
    foreach ( $node1->attributes as $attr ) {
        if ( !$node2->hasAttribute($attr->name) || $node2->getAttribute($attr->name) !== $attr->value )
            return false;
    }
    return true;
}
 
 
$toDelete = [];
 
foreach ($firstElts as $firstElt) {
 
    $current = $firstElt;
 
    while ( null !== $current = $current->nextSibling ) {
        if ( !isSameElt($firstElt, $current) )
            break;
 
        foreach ($current->childNodes as $childNode) {
            $firstElt->appendChild($childNode->cloneNode(true));
        }
        $toDelete[] = $current;
    }
}
 
foreach ($toDelete as $node) {
    $node->parentNode->removeChild($node);
}
 
echo $dom->saveHTML();

Invité · 07/07/2018, 20h52

@CosmoKnacki

Je t'attendais sur une regex-de-la-mort-qui-tue, et tu nous sors le DOM...

R.E.S.P.E.C.T !

**badaze** · 08/07/2018, 01h17

Super intéressante cette discussion.
Mes codes précédents fonctionnaient dans des cas particuliers mais pas dans tous. Celui semble être plus générique mais comme il est tard ....

Code php :

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
<?php
function toto($html)
{
 $pattern     = "/(<(\S+)[^>]+>)(.*)(<\/\\2>)|(<\/{0,1}(\S+)[^>]+>)/msiU"; 
 preg_match_all($pattern,$html,$array);
 //var_dump($array);
 $tagATraiter = '<span class="refid-valeur char-style-override-6">';
 $inter       = array();
 $inter2      = array();
 foreach ($array[1] as $key => $value)
 {
  if ($value != $tagATraiter)
  {
   if (count($inter) > 1)
   {
    for($i=1;$i<count($inter);$i++)
    {
     $html = preg_replace('~'.$inter[$i].'~',"",$html,1);
    }
    $html = preg_replace('~'.$inter[0].'~',$tagATraiter.implode('',$inter2)."</span>",$html,1);
   }
   $inter = array(); 
   $inter2= array();  
  }
  else
  {
   $inter[]  = $array[0][$key];
   $inter2[] = $array[3][$key];
  }
 } 
 if (count($inter) > 1)
 {
  for($i=1;$i<count($inter);$i++)
  {
   $html = preg_replace('~'.$inter[$i].'~',"",$html,1);
  }
  $html = preg_replace('~'.$inter[0].'~',$tagATraiter.implode('',$inter2)."</span>",$html,1);
 } 
 return $html;
}
$texte1 = '<div><span class="toto">titi</span><span class="refid-valeur char-style-override-6">RCR-ART-RCR-L</span><span class="refid-valeur char-style-override-6">213</span><span class="refid-valeur char-style-override-6">-1</span><span class="toto">tata</span><span class="refid-valeur char-style-override-6">AAAAA</span></div><span class="refid-valeur char-style-override-6">vvvvvv</span><span class="refid-valeur char-style-override-6">ffffff</span>';
var_dump($texte1);
var_dump(toto($texte1));

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
19
20
21
22
 
AVANT :
<div>
 <span class="toto">titi</span>
 <span class="refid-valeur char-style-override-6">RCR-ART-RCR-L</span>
 <span class="refid-valeur char-style-override-6">213</span>
 <span class="refid-valeur char-style-override-6">-1</span>
 <span class="toto">tata</span>
 <span class="refid-valeur char-style-override-6">AAAAA</span>
</div>
<span class="refid-valeur char-style-override-6">vvvvvv</span>
<span class="refid-valeur char-style-override-6">ffffff</span>
 
 
APRES :
<div>
 <span class="toto">titi</span>
 <span class="refid-valeur char-style-override-6">RCR-ART-RCR-L213-1</span>
 <span class="toto">tata</span>
 <span class="refid-valeur char-style-override-6">AAAAA</span>
</div>
<span class="refid-valeur char-style-override-6">vvvvvvffffff</span>

**daniel61** · 08/07/2018, 22h02

bonsoir, la version DOM semble détruire des données lorsqu'il y un span dans le span: le dernier div
https://3v4l.org/O1UNq

résultat texte attendu:

special espace
RCR-ART-RCR-L213-1
séquence avec child PAS DE PROBLÈME ICI?

résultat texte obtenu:

special espace
RCR-ART-RCR-L213-1
séquence avec child P DBLÈME

au risque de me faire crucifier, une variante d'une solution temporaire... que j'ai depuis longtemps
https://regex101.com/r/KueYKk/1

mais je préfèrerais de loin une version DOM de fusion de 2 balises HTML5.

le code HTML5 de test a été soumis avec succès à
https://validator.w3.org/#validate_by_input

**CosmoKnacki** · 09/07/2018, 01h18

@daniel61

Pour corriger le problème, il suffit de remplacer $firstElt->appendChild($childNode); par $firstElt->appendChild($childNode->cloneNode(true)); afin de copier le nœud avec ses descendants.

@jreaux62

Merci pour tes encouragements.