Discussion :

[popo]

Bonjour,

Je cherche une expression régulière pour extraire le contenu des attributs "name" et "content" des balises <meta> d'une page Web.

J'ai trouvé comment extraire le contenu HTML de la page mais j'ai vraiment du mal avec les regex.
Auriez-vous quelque chose à me proposer ?

Merci.

[Charly910]

Bonjour,

je sais que c'est moins bien, et que cela ne répond pas à ta question, mais moi je recherche les balises Href et scr avec la fonction Pos pour extraire des nom d 'mage et cela va très vite

(je suis aussi un peu nul en expressions régulières ...)

A+
Charly

[Cirec]

Bonjour,

ce n'est pas trop mon rayon non plus ^^
mais j'ai tenté et obtenu ceci:

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
//  <meta name="theme-color" content="#ffffff" />
// seule les balises "meta" avec les attributs "name" et "content" seront traitées 
procedure TForm1.Button2Click(Sender: TObject);
var
  S1, S2: string;
  aMatches : TMatchCollection;
  aMatch : TMatch;
begin
  S1 := '(?i).*<meta .*name="(?<Name>.[^"]*).*content="(?<Content>.[^"]*).*';
  with TStringList.Create do 
  try
    LoadFromFile('..\..\Win32\Debug\Page de teste.htm');                           
    S2 := Text;
  finally
    Free;
  end;
  Memo1.Clear;
  with TRegEx.Create(S1) do
  begin
    aMatches := Matches(S2);
    for aMatch in aMatches do
    begin
      with aMatch.Groups do 
        Memo1.Lines.Add(Format('Nom:%s Contenu:%s', [Item['Name'].Value, 
                                                     Item['Content'].Value]));
    end;
  end;
end;

d'autres pourront certainement améliorer ce code
Cordialement,
@+

[SergioMaster]

Bonjour,

RegEx or not RegEx telle est la question ? Je suis passé par là en "épluchant" les fichiers SVG (voir ces sources, tutoriel à venir mais un premier jus (tpath.pdf) se trouve sur github)
dans ma première routine pour traiter un fichier SVG je suis passé par les expressions régulières
L’objectif final récupérer ce qui se trouve entre les guillemets, derrière le d="

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
 
 var
  SL: TStringList;
  Match: TMatch;
begin
  if OpenDialog1.Execute then
  begin
...
 
    // Charge le fichier dans une TstringList préalablement crée 
    SL := TStringList.Create;
    try
      SL.LoadFromFile(OpenDialog1.FileName);
      // utilisation de l’expression régulière 
      Match := TRegEx.Match(SL.Text, 'd="(.*)"');
      while Match.Success do
      begin
       .... 
       Match := Match.NextMatch;
      end;
    finally
      FreeAndNil(SL);
    end;
...
  end;
end;

la seule différence, par rapport au code de Cirec, est que j'utiliserai une forme un peu plus compacte

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
 
    Match := TRegEx.Match(S1);
      while Match.Success do
          Memo1.Lines.Add(Format('Nom:%s Contenu:%s', [Match.Groups.Item['Name'].Value, 
                                                     Match.Groups.Item['Content'].Value]));

mais je me suis vite rendu compte des limitations, depuis j'ai "amélioré" le truc en utilisant XML
Ici je ne récupère toujours que l'attribut d (mais avec moins d'erreurs que la routine au dessus) et cerise sur le gâteau je peux lire beaucoup plus de fichiers SVG

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
// nécessite les unités  Xml.XMLIntf, Xml.adomxmldom, Xml.XMLDoc
procedure SVGLoadFromFile(const FileName: string;
                          const DestPath*: TPath);
var
  Doc: IXMLDocument;
  Data,Node: IXMLNode;
  I : Integer;
  APathData : TPathData;
 
  procedure g(ANode : IXMLNode);
  var j : integer;
      CNode : IXMLNode;
      ASubPathData : TPathData;
  begin
   ASubPathData := TPathData.Create;
   for j:=0 to ANode.ChildNodes.Count-1 do
     begin
      CNode:=ANode.ChildNodes[j];
      if CNode.HasAttribute('d')
      then begin
          ASubPathData.Data:=CNode.Attributes['d'];
          DestPath.Data.AddPath(ASubPathData);
      end
      else g(CNode);
     end;
  end;
 
begin
  DestPath.Data.Clear;
  APathData:=TPathData.Create;
 
  DefaultDOMVendor:='ADOM XML v4';
  Doc := LoadXMLDocument(FileName);
  Data:=Doc.DocumentElement;
 
  for I := 0 to Data.ChildNodes.Count-1 do
  begin
    Node := Data.ChildNodes[I];
    if Node.HasAttribute('d')
      then begin
          APathData.Data:=Node.Attributes['d'];
          DestPath.Data.AddPath(APathData);
      end
      else g(Node);
  end;
end;

Moralité : ne pas écarter XML

[Cirec]

Bonjour,

Bonjour,

...

mais je me suis vite rendu compte des limitations, depuis j'ai "amélioré" le truc en utilisant XML
Ici je ne récupère toujours que l'attribut d (mais avec moins d'erreurs que la routine au dessus) et cerise sur le gâteau je peux lire beaucoup plus de fichiers SVG

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
// nécessite les unités  Xml.XMLIntf, Xml.adomxmldom, Xml.XMLDoc
procedure SVGLoadFromFile(const FileName: string;
                          const DestPath*: TPath);
var
  Doc: IXMLDocument;
  Data,Node: IXMLNode;
  I : Integer;
  APathData : TPathData;
 
  procedure g(ANode : IXMLNode);
  var j : integer;
      CNode : IXMLNode;
      ASubPathData : TPathData;
  begin
   ASubPathData := TPathData.Create;
   for j:=0 to ANode.ChildNodes.Count-1 do
     begin
      CNode:=ANode.ChildNodes[j];
      if CNode.HasAttribute('d')
      then begin
          ASubPathData.Data:=CNode.Attributes['d'];
          DestPath.Data.AddPath(ASubPathData);
      end
      else g(CNode);
     end;
  end;
 
begin
  DestPath.Data.Clear;
  APathData:=TPathData.Create;
 
  DefaultDOMVendor:='ADOM XML v4';
  Doc := LoadXMLDocument(FileName);
  Data:=Doc.DocumentElement;
 
  for I := 0 to Data.ChildNodes.Count-1 do
  begin
    Node := Data.ChildNodes[I];
    if Node.HasAttribute('d')
      then begin
          APathData.Data:=Node.Attributes['d'];
          DestPath.Data.AddPath(APathData);
      end
      else g(Node);
  end;
end;

Moralité : ne pas écarter XML

J'ai fais les même testes et avec cette RegEx: '(?i).*\s*d="(?<d>.[^"]*z)"\s*.*/>.*' et
je charge bien plus de fichiers svg (téléchargé sur https://publicdomainvectors.org/fr/)
qu'avec la version XML.
Bien sûr on ne peut pas tous les charger, certains fichiers provoquent toujours
encore des erreurs de conversions mais j'ai pas trouvé pourquoi pour l'instant.

Je testerai encore une méthode que j'utilise depuis un moment pour extraire du texte,
méthode que j'ai éprouvée, ce qui me permettra de savoir si le problème c'est la RegEx ou autre chose.

Cordialement,

@+
contiennent des

[popo]

Bonjour,

J'ai finalement trouvé un site qui fournit des Regex (RegexLib) :
http://www.regexlib.com/Search.aspx?...ookieSupport=1

Au final, j'ai fait comme ceci :

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
function GetMetaTagContentFromHtml(Const html, tagName : String) : String;
const MetaTag = '<meta[\s]+[^>]*?name[\s]?=[\s\"\'']+(.*?)[\s\"\'']+content[\s]?=[\s\"\'']+(.*?)[\"\'']+.*?>';
 
var Regex : TRegExpr;
    Name : String;
begin
  Result := '';
  Regex := TRegExpr.Create;
  try
    Regex.Expression := MetaTag;
    if (Regex.Exec(html)) then
    begin
      repeat
        Name := Regex.Match[1];
        if (SameText(Name, tagName)) then
        begin
          Result := Regex.Match[2];
          Break;
        end;
      until not(Regex.ExecNext);
    end;
  finally
    FreeAndNil(Regex);
  end;
 
end;