analyseur syntaxique

**tomy29** · 10/01/2006, 10h59

Bonjour

j'ai un fichier HTML de la forme suivante (dsl je le mets avec les balises html) :

Article L1110-1

(inséré par Loi nº
2002-303 du 4 mars 2002 art. 3 Journal Officiel du 5 mars 2002)

 
   Le droit fondamental à la protection de la santé doit être
mis en oeuvre par tous moyens disponibles au bénéfice de toute personne. Les
professionnels, les établissements et réseaux de santé, les organismes
d'assurance maladie ou tous autres organismes participant à la prévention et
aux soins, et les autorités sanitaires contribuent, avec les usagers, à
développer la prévention, garantir l'égal accès de chaque personne aux soins
nécessités par son état de santé et assurer la continuité des soins et la
meilleure sécurité sanitaire possible. 
<![if !supportLineBreakNewLine]> 
<![endif]>

<![if !supportEmptyParas]> <![endif]><o:p></o:p>

Article L1110-2

(inséré par Loi nº
2002-303 du 4 mars 2002 art. 3 Journal Officiel du 5 mars 2002)

 
   La personne malade a droit au respect de sa dignité. 
<![if !supportLineBreakNewLine]> 
<![endif]>

<![if !supportEmptyParas]> <![endif]><o:p></o:p>

Article L1110-3

(inséré par Loi nº
2002-303 du 4 mars 2002 art. 3 Journal Officiel du 5 mars 2002)

 
   Aucune personne ne peut faire l'objet de discriminations dans
l'accès à la prévention ou aux soins.Reference a Article L1110-2 
<![if !supportLineBreakNewLine]> 
<![endif]>

et je veux le découper en autant de fichiers TEXTE que d'articles (ici 3 fichiers), contenant chacun le corps de l'article.

Delphi est il performant (en tenant compte des balises par exemple) pour effectuer ce genre de traitement (certains langages le sont)? Si oui, y a t il des algos disponibles quelque part?

Merci pour vos réponses.
Bonne journée.
thomas.

Annexe : le fichier html sans les balises:

Article L1110-1

(inséré par Loi nº 2002-303 du 4 mars 2002 art. 3 Journal Officiel du 5 mars 2002)

Le droit fondamental à la protection de la santé doit être mis en oeuvre par tous moyens disponibles au bénéfice de toute personne. Les professionnels, les établissements et réseaux de santé, les organismes d'assurance maladie ou tous autres organismes participant à la prévention et aux soins, et les autorités sanitaires contribuent, avec les usagers, à développer la prévention, garantir l'égal accès de chaque personne aux soins nécessités par son état de santé et assurer la continuité des soins et la meilleure sécurité sanitaire possible.

Article L1110-2

(inséré par Loi nº 2002-303 du 4 mars 2002 art. 3 Journal Officiel du 5 mars 2002)

La personne malade a droit au respect de sa dignité.

Article L1110-3

(inséré par Loi nº 2002-303 du 4 mars 2002 art. 3 Journal Officiel du 5 mars 2002)

Aucune personne ne peut faire l'objet de discriminations dans l'accès à la prévention ou aux soins.Reference a Article L1110-2

**Caine** · 10/01/2006, 12h31

La question est plutôt existe-t-il un parser déjà écris.

Perl serait mieux indiqué pour ce traitement pour le peu que j'en connais.

Rien ne t'empêche bien sur d'écrire un bout de parser simple en Delphi, mais il y a des langages qui possèdent déjà ce genre de parsers.

**Pedro** · 10/01/2006, 13h17

Salut

Il me semble qu'il existe déjà des compos Delphi qui affihent du HTML... Peut-être qu'une fois affichés, tu pourras récupérer le texte...

**tomy29** · 10/01/2006, 13h58

Un parser en delphi me serait d'une tres grande utilité!!

je sais que le perl est sympa pour ça. mais je n'y connais rien en perl.

Delphi a peut etre son propre parser....

on peut rever.

**Caine** · 10/01/2006, 15h24

En réalité, tu n'as même pas besoin d'un parser.

Il suffit d'éliminé les balises HTML (p, pre ...), de remplacer les accents et les balises .

Je n'ai pas le code tout près, mais avec ces indications, tu devrais y arriver si tu connais Delphi.

**tomy29** · 10/01/2006, 16h15

oui, mais je dois quand meme decouper le fichier en autant d'article qu'il contient et mettre chaque article dans un fichier texte.

**Caine** · 10/01/2006, 17h06

Ca reste à amélioré, mais voici déjà un bon début:

Important: Je n'ai pas fini pour les caractères spéciaux comme ' '. Mais, ça élimine les balises.

Autre soucis à régler: Les balises non fermantes comme la première ligne de ton exemple.

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
47
 
procedure TrimHTML(Var Str: String);
 
procedure TrimBracket(const Open,Close:String);
Var
   Op,Cl,P:Integer;
   Temp,B : String;
Begin
     Repeat
     //Chercher chaque balise.
     Op := Pos(Open,Str);
     Cl := Pos(Close,Str);
 
     If (Op = 0) And (Cl = 0) Then // Aucune balise, pas de modification.
        Exit;
     If Op > Cl Then // Cas d'une balise sur plusieurs lignes.
        P := Cl
     Else
         P := Op;
     Temp := Copy(Str,1,P-1); // Conserver le contenu avant la balise.
     P := Pos('>',Str); // Fermeture balise.
     If P <> 0 Then
        Str := Temp + Copy(Str,P+1,Length(Str)); // Eliminer la balise.
     Until P = 0 ; // Tant qu'il y a des balises ouvertes.
End;
Begin
TrimBracket('<','>');
TrimBracket('&',';');
End;
 
 
//Exemple d'utilisation: UN TMemo, un bouton. Tu mets ton texte dans le TMemo
procedure TForm1.Button1Click(Sender: TObject);
Var
   I:Integer;
   Temp:String;
begin
 with Memo2 do
 begin
 For I:= 0 To Lines.Count - 1 Do
     Begin
     Temp := Lines[I];
     TrimHTML(Temp);
     Lines[I] := Temp;
     End;
 end;
end;

**LadyWasky** · 10/01/2006, 17h54

Voilà, pour t'aider et commencer je viens de réaliser une petite fonction à la sauvette.

L'idée, c'est de recopier caractères par caractères le texte du fichier html d'origine que si une variable (que j'appelle ici copie_texte) est égale à true. Dans le cas ou copie_texte est true, on recopie le caractère dans un variable Ligne

- quand une balise est ouverte avec < on met copie_texte à false
- quand la balise se referme avec > on met copie_texte à true

comme ça on ne recopie que le texte brut sans se faire c... avec les balises.
Cependant, une seule balise est imporatnte, c'est  . c'est pour ça que j'en profite à chaque fois pour récuperer le contenu de la balise dans une variable balise.

Quand on trouve > et que le contenu de balise est égal à , hop, on enregistre le résultat de ligne dans un stringlist avec add(ligne) (qui passe à la ligne) et on commence une nouvelle ligne.

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
procedure HTMLToTexte(ASource:TStrings;var ADest:TStringList);
var copie_texte:Boolean;
    i,longueur:Integer;
    s,ligne,balise:string;
    AChar:Char;
begin
  ADest.Clear;
 
  s:=ASource.Text;
  longueur:=Length(s);
  if longueur=0 then Exit;
  copie_texte:=true;
  balise:='';
  ligne:='';
  for i:=1 to longueur do
  begin
    AChar:=s[i];
    if AChar='<' then begin
                        copie_texte:=False;
                        balise:='';
                      end;
 
    if copie_texte
    then ligne:=ligne+AChar
    else balise:=balise+AChar;
 
    if AChar='>' then
    begin
      copie_texte:=True;
      if  UpperCase(balise)='<BR>'
      then begin
             ADest.Add(ligne);
             ligne:='';
           end;
    end;
  end;
 
  if  (balise)<>'<BR>'
  then begin
         ADest.Add(ligne);
         ligne:='';
       end;
end;

La fonction s'utilise comme celà, par exemple :
- Dans ma fiche, il y a 2 memos et un bouton.
-Dans memo1, j'ai chargé le texte html
- Dans memo2, je recupère le texte sans les balises.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
procedure TForm1.btn1Click(Sender: TObject);
var ASL:TStringList;
begin
  memo2.Clear;
  ASL:=TStringList.Create;
  HTMLToTexte(memo1.Lines,ASL);
  memo2.Lines.AddStrings(ASL);
  ASL.Free;
end;

Effectivement, après il reste à traiter les caractères speciaux comme  , mais la fionction delphi StringReplace devrait t'y aider.

Enfin, après il va effectivement falloir que tu redécoupe tout ça pour enregistrer plusieur fichiers, mais là, je n'ai point trop le temps.

Bon dev

**LadyWasky** · 10/01/2006, 17h56

Envoyé par Caine

Ca reste à amélioré, mais voici déjà un bon début:

Important: Je n'ai pas fini pour les caractères spéciaux comme ' '. Mais, ça élimine les balises.

etc;, etc...

J'était en train de rédiger quand tu as posté, d'où ma proposition somme toute similaire

**Caine** · 10/01/2006, 18h46

Chouette ta version

Je vais comparer les deux. La tienne est plus simple j'ai l'impression

C'est un forum, donc par nature, il arrive souvent que les gens postent des codes similaires

[edit]
Je rectifie, la tienne est bien mieux. J'ai (par flemme?) trop tendance à me baser sur Pos

**tomy29** · 11/01/2006, 09h57

Merci pour vos réponses, c'est vraiment sympa!

En fait j'avais mis le texte en version html avec balise car sans les balises html (texte pure donc) il va etre tres dur de découper les articles un par un. Je ne vois pas comment on pourrait repérer un separateur entre chaque article : le retour chariot ne marche pas il peut y en avoir au sein d'un meme article; le mot Article ne marche pas car on peut retrouver ce mot dans un texte d'article, etc...
les balises etaient donc plus simple pour délimiter chaque article.

Au final ce que je voudrais c'est :
On part d'un fichier source contenant le texte :

"Article 1 : <texte de l'article>
Article 2 : <texte de l'article>
Article 3 : <texte de l'article>"

Apres traitement on a trois fichiers:

Article1.txt contenant son texte
Article2.txt contenant son texte
Article3.txt contenant son texte

Si ca interesse certains d'entre vous, j'ai la version PHP de cet algorithme. (imparfait car il ne gere pas les articles de meme nom), mais le découpage est bien fait.

**LadyWasky** · 11/01/2006, 12h45

Si, si le séparateur, c'est quand une ligne commence par le mot "Article", de là, en partant de ce fichier texte :

Article L1110-1

(inséré par Loi nº 2002-303 du 4 mars 2002 art. 3 Journal Officiel du 5 mars 2002)

Le droit fondamental à la protection de la santé doit être mis en oeuvre par tous moyens disponibles au bénéfice de toute personne. Les professionnels, les établissements et réseaux de santé, les organismes d'assurance maladie ou tous autres organismes participant à la prévention et aux soins, et les autorités sanitaires contribuent, avec les usagers, à développer la prévention, garantir l'égal accès de chaque personne aux soins nécessités par son état de santé et assurer la continuité des soins et la meilleure sécurité sanitaire possible.

Article L1110-2

(inséré par Loi nº 2002-303 du 4 mars 2002 art. 3 Journal Officiel du 5 mars 2002)

La personne malade a droit au respect de sa dignité.

Article L1110-3

(inséré par Loi nº 2002-303 du 4 mars 2002 art. 3 Journal Officiel du 5 mars 2002)

Aucune personne ne peut faire l'objet de discriminations dans l'accès à la prévention ou aux soins.Reference a Article L1110-2

voici le code :

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
procedure TForm1.btn1Click(Sender: TObject);
var ASLSource,ASLDest:TStringList;
    NomArticle,UneLigne,DebutLigne:string;
    i:Integer;
 
begin
  ASLSource:=TStringList.Create;
  ASLDest:=TStringList.Create;
 
  //Chargement de l'article
  ASLSource.LoadFromFile('Articles.txt');
 
  NomArticle:='';
 
  //Début de traitement (initialisation)
  ASLDest.Clear;
 
  for i:=0 to ASLSource.Count-1 do
  begin
    UneLigne:=ASLSource.Strings[i];
    if Length(Trim(UneLigne))>Length('Article L')
    then begin
          DebutLigne:=Trim(UneLigne);
          DebutLigne:=Copy(DebutLigne,1,7);
          if DebutLigne='Article'
          then begin
                 if NomArticle<>''
                 then begin
                        ASLDest.SaveToFile(ExtractFilePath(Application.ExeName)+NomArticle+'.txt');
                        ASLDest.Clear;
                      end;
                 NomArticle:=Trim(UneLigne);
               end;
       end;
    ASLDest.Add(UneLigne);
  end;
  //dernier article
  if NomArticle<>'' then ASLDest.SaveToFile(ExtractFilePath(Application.ExeName)+NomArticle+'.txt');
 
  ASLDest.Free;
  ASLSource.Free;
end;

Voilà, voilà

analyseur syntaxique

Langage Delphi

Discussions similaires

Partager

Partager