Discussion :

[lutecefalco]

Bonjour tout le monde.

Je connais pas gd chose aux RegEx et je me demandais si elles pourraient m'être utile.

J'ai un fichier .htm.
Je dois le parcourir et modifier tous les liens que je trouve en suivants qqs règles:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
 - si c'est un lien absolu: je fais rien
 - si c'est un lien relatif:
          - si ça concerne un link: je le modifie d'une certaine façon
          - si ça concerne une image ou un CSS, je le modifie d'une autre façon

.

Est-ce que ça vaut le coup que je me renseigne pour les RegEx???

Merci à tous

[Dryss51]

Perso, je pense que tu devrais, tu vas peut etre prendre un certain pour arriver à tes fin mais quand tu métriseras les expression régulières, tu verras toutes les possibilités qu'elles t'offrent.

[lutecefalco]

Donc elles me permettront de retrouver les différents liens dans ma page en respectant mes critères de recherche?

[Mehdi Feki]

Donc elles me permettront de retrouver les différents liens dans ma page en respectant mes critères de recherche?

Effectivement, c'est possible avec les RegEx. Fais une petite recherche sur le forum dot net avec les mots clés RegEx ou RegExp et tu trouveras plein d'exemples.

[lutecefalco]

J'ai une expression régulière qui me permet de récuperer le contenu href d'un lien avec une gestion de la présence ou non de quotes

Voilà le pattern (c'est du VB.NET là):

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

pattern = "href\s*=\s*(?:(?:""(?<url>[^""]*)"")|(?<url>[^>]*))"

<a href="lien_avec_quote.htm">...</a> me retourne bien lien_avec_quote.htm
<a href=lien_sans_quote.htm>...</a> me retourne bien lien_sans_quote.htm

J'aimerai l'améliorer un peu en imposant la présence de "<a" pour être sûr que je me trouve bien dans un lien.

J'ai essayé ce pattern mais ça marche pas:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

pattern = "<a\s*[^>]\s*href\s*=\s*(?:(?:""(?<url>[^""]*)"")|(?<url>[^>]*))"

Qq'un a une idée?

[lutecefalco]

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

pattern = "<a\s*href\s*=\s*(?:(?:""(?<url>[^""]*)"")|(?<url>[^>]*))"

Celui là marche bien à condition que le href arrive juste après le <a.
J'aimerais pouvoir gérer la présence d'un autre attribut entre le <a et le href

[Mehdi Feki]

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

pattern = "<a\s*href\s*=\s*(?:(?:""(?<url>[^""]*)"")|(?<url>[^>]*))"

Celui là marche bien à condition que le href arrive juste après le <a.
J'aimerais pouvoir gérer la présence d'un autre attribut entre le <a et le href

Essai ça :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
 
pattern = "<a\s*(\w*=""\w+""\s+)*href\s*=\s*(?:(?:""(?<url>[^""]*)"")|(?<url>[^>]*))"

[lutecefalco]

C'est trop contraignant car \w impose un caractère alpha numérique et donc:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

<a onclick="window.print();return false" href="">Imprimer</a>

n'est pas validée.

J'aimerai autoriser tout sauf le caractère '>'.
Je pensais que la syntaxe était [^>] mais ça marche pas apparemment, ou alors je me suis trompé

[SaumonAgile]

Tu as essayé avec ça ?

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

"<a.*?href\s*=\s*(?:(?:""(?<url>[^""]*)"")|(?<url>[^>]*))"

[lutecefalco]

Tu as essayé avec ça ?

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

"<a.*?href\s*=\s*(?:(?:""(?<url>[^""]*)"")|(?<url>[^>]*))"

Yes!!!!!!!!!
Merci

PS: ca marche aussi sans le '?' au niveau de <a.*?. En fait je comprends pas à quoi il sert le '?' dans ce cas là

[Mehdi Feki]

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

"<a.*?href\s*=\s*(?:(?:""(?<url>[^""]*)"")|(?<url>[^>]*))"

Le pattern n'est pas très bon aussi pour ce que tu veux faire. les chaine "<axxx href=" ou "<a> href" sont acceptés.

Il faut que tu definisse exactement le format de tes attributs car je vois mal un truc de ce genre : "<a .7888845}="val" href"

Si tu veux que tout soit accepté sauf > et les espaces en prenant en compte les espaces :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

<a\s*(([^\s>])+=""([^\s>])+""\s+)*href\s*=\s*(?:(?:""(?<url>[^""]*)"")|(?<url>[^>]*))"

Les cas non acceptés sont <axxxx <a xxxx yyy="yyyy"
Les cas acceptés sont <a xxx="xxxx" , <a yyy*+.7775="yyy7..7"

[SaumonAgile]

Le pattern n'est pas très bon aussi pour ce que tu veux faire. les chaine "<axxx href=" ou "<a> href" sont acceptés.

Exact mais comme l'idée n'était pas de valider un document HTML mais plutot d'extraire des informations, j'ai opté pour une solution simple.

Cette expression plus efficace élimine ces deux cas là "<axxx href=" ou "<a> href" :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

<a\s+[^>]*?href\s*=\s*(?:(?:""(?<url>[^""]*)"")|(?<url>[^>]*))

En fait je comprends pas à quoi il sert le '?' dans ce cas là

En fait, c'est un quantifieur feignant, il va prendre le moins possible de caractères, cad que le moteur va essayer de matcher le minimum de caractères possible dans l'expression .*?
Sans le ? le moteur va essayer de mettre la plus grande chaine possible dans .*, donc tu aurais pu rater des éléments.

Exemple en enlevant le ? de l'expression, cette chaine

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

<a onclick="window.print();return false" href="index.htm">Imprimer</a><a onclick="window.print();return false" href="index2.htm">Imprimer</a>

ne va matcher que "index2.htm" car

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

 onclick="window.print();return false" href="index.htm">Imprimer</a><a onclick="window.print();return false"

est "mangée" par le .*

[lutecefalco]

Merci à tous