Discussion :

[crazydindon]

Bonjour,

Je réalise en ce moment un script pour nettoyer du code HTML.
Je dois supprimer un maximum de code donc j'enlève les balise qui ne servent à rien.
J'ai un problème pour supprimer des balises vides comme <SPAN>...</SPAN>
Par exemple :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
 
<SPAN style="color: black">Je mange des pommes.</SPAN>

Je supprime le style qui ne sert à rien (le code ne dois pas forcer la couleur noir), je me retouve donc avec un <SPAN> qui ne sert plus à ren et je voudrai le surpprimer.

Facile dans ce cas, mais je bloque sur des choses plus complexe, de ce style :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
 
<SPAN><SPAN style="color: black">Je mange des <SPAN style="color: rouge">pommes</SPAN>.</SPAN></SPAN>

(Je dois garder la couleur rouge)
En fait mon script supprimera d'abors le style color: black, je n'ai qu'a supprimer les span vides.

Pouvez vous m'aider ?
Merci

[djibril]

montre nous ce que tu ecris comme code

[Jedai]

Je peux déjà te dire que vu la complexité de tes besoins, tu auras énormément de mal à faire ça avec des regexs et quand je dis énormément...
Je te conseille plutôt d'utiliser un parser HTML comme HTML:: Parser.

--
Jedaï

[crazydindon]

Pour l'instant mon code ne fait qu'appliquer des remplacements suivant des conditions pour chaques lignes du fichier ....

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
 
	while($line = <SOURCE>)
	{ 
		cleaning();#execute cleaning function
		print EXIT $line; #print result in the export file
	}

Dans la fonction cleaning je supprime les codes nuisible (provenant de word pour la pluspars)

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
 
	cleaning()
	{
	...
	$line =~ s#<o:p>##ig;
	$line =~ s#</o:p>##ig;
	$line =~ s#mso-[^:]+:[^;"]+"#"#gi;
	$line =~ s#FONT-FAMILY:[^;"]*;##ig;
	$line =~ s#MARGIN:\s0(cm|in)\s0(cm|in)\s0pt\s*;##g;
	...

La liste des conditions n'est pas ehaustive j'en ai une trentaine.

Peux-tu m'en dire plus sur le html::parser ?
Je ne me suis mis au PERL que depuis quelques semaines pour réaliser ce script

[Woufeil]

Bonjour,

Pour plus de détails sur HTML:: Parser, lis sa doc sur le CPAN.

En gros, il s'agit d'un module qui va te permettre de déclencher des actions lors d'évènements particuliers. Par exemple, tu peux dire que dès que le parseur recontre du texte, il sera recopié dans un txt.

[ankou29666]

Je peux déjà te dire que vu la complexité de tes besoins, tu auras énormément de mal à faire ça avec des regexs et quand je dis énormément...
Je te conseille plutôt d'utiliser un parser HTML comme HTML:: Parser.

+1, j'avais un script 100% fait maison qui analysait du code HTML et c'était bien la m***e ... J'avais besoin de le réécrire pour rajouter des fonctionnalités, je l'ai fait avec un module (HTML::TagReader) et ça m'a considérablement facilité le boulot ...

[crazydindon]

Ok merci de vos indications, je vais me renseigner sur tout ca.