Regex pour capter les balises html

Bonjour,

Je viens chercher un peu d'aide ici parce qu'avec l'ami Google et les tuto j'ai essayé mais je suis un peu perdu.
Je m'y connais pas du tout dans le Regex donc je rame pas mal.
Je préviens déjà c'est possible que je me trompe dans l'approche du sujet ^^.

En faite je dois dans une chaîne compter le nombre de balises html ouvrantes et le nombre de balises html fermantes.
Vu que je veux pas partir direct dans du complexe, j'ai essayé de faire une regex pour capter les balises ouvrantes sans qu'il y ai de classes ou autres défini.
Par exemple capter un simple <div>. J'ai donc écrit ce Regex

Code:

---

#<([a-z A-Z]+)>#

---

Si je me trompe pas, je devrai capter dans ma chaine une sous chaine qui commence par "<" suivit de plusieurs caractères compris entre a et z et A et Z, puis qui se termine par >

Mon test complet représente ça

Code:

---

1 2 3 4 5 6 7 8

$test = "<div> aa <p>zefiomf </p> </div>"; $out = array(); preg_match_all("#<([a-z A-Z]+)>#", $test, $out,PREG_SET_ORDER); echo"<pre>";print_r($out);echo"</pre>";

---

J'ai bien un tableau qui me sort div et p.
Par contre j'arrive pas à trouver ce que je dois ajouter pour pouvoir prendre en compte les balises du style

Code:

---

<div class="blabla"></div>

---

ou encore

Code:

---

<a href="http://test.com"></a>

---

Et le dernier point sur lequel j'aurai besoin d'un peu d'aide.
Je comptais utilisais le retour de ce tableau et faire un count pour connaitre le nombre de balises ouvrantes, mais les balises comme img vont être compté dans les balises ouvrantes non? Si c'est le cas il est possible de faire en sorte que les balises comme img qui n'ont pas besoin d'être fermée ne soient pas prises en compte?

Voilà une possibilité:

Code:

---

1 2 3 4 5 6 7 8 9

$test = '<div class="blabla"></div> aa <p>zefiomf </p> </div> <a href="http://test.com"></a>'; $out = array(); preg_match_all("#<([a-zA-Z]+)(?:\s*.*?)>#", $test, $out,PREG_SET_ORDER); echo"<pre>";print_r($out);echo"</pre>";

---

cette exemple affiche:
Array
(
[0] => Array
(
[0] => <div class="blabla">
[1] => div
)

[1] => Array
(
[0] => <p>
[1] => p
)

[2] => Array
(
[0] => <a href="http://test.com">
[1] => a
)

)

Bonjour,
tu trouveras une formule expliquée ici : Fonctions de troncature de texte : "Résumé html"

Salut,

Merci pour ta réponse.
Juste tu pourrai m'expliquer la deuxième partie que tu as ajouté, j'arrive pas bien à la comprendre?

Code:

---

(?:\s*.*?)

---

En bidouillant un peu le temps d'avoir une réponse j'ai écrit cette expression

Code:

---

#<([a-z A-Z ^br ^img]+)>#

---

En faite le code html je le récupèrerai d'un wisiwyg qui n'accepte pas les liens, et je dois pas prendre en compte les balises img, br ... qui n'ont pas de balises fermantes. De plus il sera pas possible à l'utilisateur d'afficher le code source et de le modifier donc de rajouter des classes, du coup ça me simplifie un peu la chose (et désolé de t'avoir fait pondre un truc qui peut être me servira pas pour ce cas, mais en tout cas servira à ma culture ^^)
Le code que j'ai fait si je me trompe pas exclue les balises qui contiennent "br" et "img"?

EDIT: merci jreaux62je vais voir ça =)

J'ai lu le doc jreaux62je mais j'arrive toujours pas à exclure les balises br et img :x

Edit: En cherchant un peu plus de partout j'ai trouvé un truc qui marche, mais je comprend pas la signification et ça j'aime pas lol

Code:

---

#<((?!br|BR|hr|HR|img|IMG)[a-z A-Z =" ]+)>#

---

Si quelqu'un peut m'expliquer pourquoi au début il me faut "?!" pour que ça marche ça serai cool ^^

Citation:

---

En faite je dois dans une chaîne compter le nombre de balises html ouvrantes et le nombre de balises html fermantes.

---

Mais à quoi ça peut bien servir ?

Ah et au fait, parser du HTML à grand coups de regexp est extrêmement complexe contrairement à ce que tu dis:

Citation:

---

Vu que je veux pas partir direct dans du complexe, j'ai essayé de faire une regex pour capter les balises ouvrantes

---

Tu veux pas faire un lexeur si ?

Bref, avec la librairie XML tu y arrivera mieux.

c'est un parseur XML qu'il te faut pour pouvoir détecter les tags ouvrantes, les tags fermantes, les attributs, le text... Il existe une bibliothèque SAX (sax4PHP) en PHP qui permet de parser de manière événementielle(ouverture de tag,...) un document XML.

http://sax4php.sourceforge.net/sax4php/Sax4PHP.html

Citation:

---

Mais à quoi ça peut bien servir ?

---

En faite je dois récup le html venant d'un wisiwyg et le transformer en pdf avec html2pdf. Le blem c'est que y'a un mec pour un test il a fait un copier coller d'un article et ça du coup pris les balises html mais ça commençait par

Code:

---

<strong>blabla</strong></p>

---

Du coup html2pdf planté. Je fais cette vérif comme ça si je vois un problème de balises ouvrante ou fermante je renvois un message.

Là j'ai du passer sur autre choses mais dès que j'ai un peu plus de temps je regarderez vos parseur xml.

Merci beaucoup en tout cas :)