décoder des listes <ol> et <li> html

**nathalie creuzet** · 31/03/2024, 18h36

Bonjour,
J'essaie en vain de traduire une string html en liste lisible (le boulot que fait un navigateur), mais je tourne en rond.

Avec le package agility pack, node.ChildNodes a l'air de ne prendre que que le 1é niveau des Childnodes, ce qui fait que si une liste <ol> est imbriquée dans un des <li> des Childnodes, cette liste imbriquée disparait purement et simplement.

Je passe un temps fou pour réinventer l'eau chaude.
Et c'est bon ni pour le bilan carbone de la planète, ni pour ma santé mentale.

Il n'y aurait pas un moyen, en rajoutant des balises d'entête html à cette string

<ol><li>item1<ol type="a"><li>item a<ol type="i"><li>item i</li></ol></li><li>item b<ol type="i"><li>item i</li><li>item ii</li></ol></li></ol></li><li>item2</li></ol>

et en utilisant un client C#, d'obtenir cette jolie string

1. item1
....a. item a
........i. item i
....b. item b
........i. item i
........ii. item ii
2. item2
(avec des blancs à la place des ..., mais les blancs sont avalés à la publication sur le forum)
string que je pourrai alors stocker dans un joli fichier ?

Merci par avance pour vos conseils

**umfred** · 02/04/2024, 17h44

c'est le rôle en partie d'un parser html.
En faisant une petite recherche je suis tombé sur le package nugget Html Agility Pack https://html-agility-pack.net/download
Sur leur site, on peut questionner ChatGPT, qui m'a fourni une réponse en lui posant ta problématique (mais je ne l'ai pas testé/vérifié)

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
using HtmlAgilityPack;
using System;
 
class Program
{
    static void Main()
    {
        var html = "<ol><li>item1<ol type=\"a\"><li>item a<ol type=\"i\"><li>item i</li></ol></li><li>item b<ol type=\"i\"><li>item i</li><li>item ii</li></ol></li></ol></li><li>item2</li></ol>";
        var doc = new HtmlDocument();
        doc.LoadHtml(html);
 
        PrintListItems(doc.DocumentNode.SelectNodes("//ol/li"), 0);
    }
 
    static void PrintListItems(HtmlNodeCollection nodes, int level)
    {
        if (nodes == null) return;
 
        foreach (var node in nodes)
        {
            Console.WriteLine($"{new string('.', level)}{node.InnerText.Trim()}");
 
            var childNodes = node.SelectNodes(".//ol/li");
            PrintListItems(childNodes, level + 1);
        }
    }
}

ça affiche directement le résultat dans la console, donc il faudra l'adapter un peu. https://zzzcode.ai/answer-question?i...a-f5eb21a5e4ec

J'ai modifié la requête pour lui demander de le récupérer dans une variable String; voir le résultat (que je n'ai pas non plus testé) https://zzzcode.ai/answer-question?i...0-912c171b2736

Il me propose aussi d'utiliser les expressions régulières pour éviter d'utiliser un package externe (code toujours pas 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
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
using System;
using System.Text.RegularExpressions;
 
class Program
{
    static void Main(string[] args)
    {
        string html = "<ol><li>item1<ol type=\"a\"><li>item a<ol type=\"i\"><li>item i</li></ol></li><li>item b<ol type=\"i\"><li>item i</li><li>item ii</li></ol></li></ol></li><li>item2</li></ol>";
 
        string result = ConvertHtmlToList(html);
 
        Console.WriteLine(result);
    }
 
    static string ConvertHtmlToList(string html)
    {
        string pattern = @"<ol[^>]*>(.*?)<\/ol>";
        string result = Regex.Replace(html, pattern, match =>
        {
            string innerContent = match.Groups[1].Value;
            return ProcessList(innerContent, 1);
        }, RegexOptions.Singleline);
 
        return result;
    }
 
    static string ProcessList(string listContent, int depth)
    {
        string pattern = @"<li[^>]*>(.*?)<\/li>";
        string processedList = Regex.Replace(listContent, pattern, match =>
        {
            string listItem = match.Groups[1].Value.Trim();
            string indentation = new string('.', depth - 1);
            return $"{indentation}{depth}. {listItem}\n";
        }, RegexOptions.Singleline);
 
        return processedList;
    }
}

Edit: à la 1ère lecture, je n'avais pas vu que tu avais mentionné le package HtmlAgility d'où ma dernière proposition sans celui-ci

**nathalie creuzet** · 09/04/2024, 17h42

Envoyé par umfred

c'est le rôle en partie d'un parser html.
En faisant une petite recherche je suis tombé sur le package nugget Html Agility Pack https://html-agility-pack.net/download
Sur leur site, on peut questionner ChatGPT, qui m'a fourni une réponse en lui posant ta problématique (mais je ne l'ai pas testé/vérifié)

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
using HtmlAgilityPack;
using System;
 
class Program
{
    static void Main()
    {
        var html = "<ol><li>item1<ol type=\"a\"><li>item a<ol type=\"i\"><li>item i</li></ol></li><li>item b<ol type=\"i\"><li>item i</li><li>item ii</li></ol></li></ol></li><li>item2</li></ol>";
        var doc = new HtmlDocument();
        doc.LoadHtml(html);
 
        PrintListItems(doc.DocumentNode.SelectNodes("//ol/li"), 0);
    }
 
    static void PrintListItems(HtmlNodeCollection nodes, int level)
    {
        if (nodes == null) return;
 
        foreach (var node in nodes)
        {
            Console.WriteLine($"{new string('.', level)}{node.InnerText.Trim()}");
 
            var childNodes = node.SelectNodes(".//ol/li");
            PrintListItems(childNodes, level + 1);
        }
    }
}

ça affiche directement le résultat dans la console, donc il faudra l'adapter un peu. https://zzzcode.ai/answer-question?i...a-f5eb21a5e4ec

J'ai modifié la requête pour lui demander de le récupérer dans une variable String; voir le résultat (que je n'ai pas non plus testé) https://zzzcode.ai/answer-question?i...0-912c171b2736

Il me propose aussi d'utiliser les expressions régulières pour éviter d'utiliser un package externe (code toujours pas 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
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
using System;
using System.Text.RegularExpressions;
 
class Program
{
    static void Main(string[] args)
    {
        string html = "<ol><li>item1<ol type=\"a\"><li>item a<ol type=\"i\"><li>item i</li></ol></li><li>item b<ol type=\"i\"><li>item i</li><li>item ii</li></ol></li></ol></li><li>item2</li></ol>";
 
        string result = ConvertHtmlToList(html);
 
        Console.WriteLine(result);
    }
 
    static string ConvertHtmlToList(string html)
    {
        string pattern = @"<ol[^>]*>(.*?)<\/ol>";
        string result = Regex.Replace(html, pattern, match =>
        {
            string innerContent = match.Groups[1].Value;
            return ProcessList(innerContent, 1);
        }, RegexOptions.Singleline);
 
        return result;
    }
 
    static string ProcessList(string listContent, int depth)
    {
        string pattern = @"<li[^>]*>(.*?)<\/li>";
        string processedList = Regex.Replace(listContent, pattern, match =>
        {
            string listItem = match.Groups[1].Value.Trim();
            string indentation = new string('.', depth - 1);
            return $"{indentation}{depth}. {listItem}\n";
        }, RegexOptions.Singleline);
 
        return processedList;
    }
}

Edit: à la 1ère lecture, je n'avais pas vu que tu avais mentionné le package HtmlAgility d'où ma dernière proposition sans celui-ci

Merci beaucoup pour ta réponse.
J'ai résolu mon pb en faisant 2 fonctions : une qui appelle les Childnodes, filtre suivant que ce sont des <ol> ou des <li>, et une 2é, récursive, qui bosse avec les inner.html des noeuds étudiés avant.
Je change les préfixes d'indexation (1,2 ... ou a, b ou i, ii .... suivant la profondeur de cette 2é fonction.
Voilou

Encore merci pour le tuyau de chatgpt, et ton code est beaucoup plus compact que le mien

**umfred** · 10/04/2024, 11h37

Tout le mérite ici revient à ChatGPT (pour une fois qu'il semble sortir un truc correct

)

**nathalie creuzet** · 11/04/2024, 16h14

chatgpt sort des trucs tellement corrects que la société mère limite son usage, depuis la baisse de chiffre qu'elle a pu mesurer depuis 18 mois.
Et des outils comme Claude 3 et consorts feront de mieux en mieux, dans de plus en plus de domaines

Sic mundia transit

**StringBuilder** · 23/04/2024, 09h30

Bonjour,

Un truc m'échappe.

Depuis le 26 janvier 2000 le XHTML existe et aujourd'hui, le HTML tel qu'on l'a connu dans les années 90 n'est plus censé exister.

Par conséquent, une page HTML est censée être du XML correctement formé (genre pas de balise <br> mais <br/> ou autre <option selected> remplacé par <option selected="true"> ou <option selected="selected">).

Fort de ça, pourquoi ne pas utiliser un parseur XML, à commencer par celui fourni par .NET dans System.Xml ?

Il me semble passablement plus simple à utiliser et probablement moins lourd qu'un Nuget complémentaire.

décoder des listes <ol> et <li> html

C#

Vue hybride

Discussions similaires

Partager

Partager