Discussion :

[losc_vador]

bonjour,

Je suis utilisateur perl dans le cadre de mon job.
Je ne suis plus un novice mais je ne suis pas encore un scripteur expert .
j'ai le problème suivant;
sans faire de regex à rallonge, je désire enlever d'un fichier html tous les caractères compris entre " <> ou inclus c'est a dire les balises , ouvrantes et fermantes.

J'ai fait pas mal de recherche fondamentale et maintenant je suis pris par le temps, aussi un peu d'aide ne serait pas de refus...

voici ce que j'ai essayé ( entre autre).

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
if ($line =~ m/(<.+>)/g){
    $line =~ s/$1/ /g;
}

ou

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
if ($line =~ m/[\<.+\>]/g){
    $line =~ s/[\<.+\>]/ /g;
}

et plein d'autres. bref help!!!!

merci d'avance.

[Gardyen]

Bonjour,
tout d'abord, en général html et expressions régulières est une recette pour une bonne migraine, il existe des modules comme HTML:: Parser pour se faciliter la vie.

Si tu souhaites juste éliminer les balises, ton expression est trop large, quelque chose comme

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
while ($line =~ /(<[^>]+>)/g) {
     $line =~ s/$1//;
}

te permettra de te débarrasser des balises et de toutes les informations qu'elles contiennent, mais ne gère pas les balises multilignes...

J'espère que cela te mettra sur la voie

[losc_vador]

merci de ta réponse rapide

je teste ça ( et je l'étudie aussi )

[Lolo78]

Bonjour,

même avis que Gardyen: c'est généralement une mauvaise idée que de vouloir retraiter du HTML (ou du XML, d'ailleurs) avec des expressions régulières. Il est bien préférable d'utiliser des modules spécialisés.

Tes tentatives comme m/(<.+>)/ sont fausses parce que le + est un quantificateur dit gourmand, ce qui veut dire que si tu as une chaîne du genre <toto>titi<tutu>, cela va reconnaître l'ensemble de la chaîne (depuis l'ouverture de la balise avant totojusqu'à la fermeture après tutu, et tu perdras donc titi, alors que du désires certainement traiter chaque balise séparément.

Cela dit, si tu veux juste retirer des balises ne débordant pas d'une ligne sur une autre, tu peux essayer ceci:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
 
$ligne =~ s/<[^>]+>//g;  # reconnaît une ouverture, suivi d'un nombre quelconque de caractères autre que des fermetures, suivi d'une fermeture

ou éventuellement:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
 
$ligne =~ s/<.+?>//g; # Quantificateur +?  non-gourmand s'arrêtant à la première fermeture trouvée

[losc_vador]

Merci beaucoup à vous deux !!
çela marche correctement.