Problème de SmartTag

Version imprimable

Bonjour,

Il y a quelques mois, j'ai ouvert un post et je pensais l'avoir résolu (certes de manière peu orthodoxe mais résolu quand même).
Il s'agit du post suivant :
https://www.developpez.net/forums/d1...er-smart-tags/

Pour résumer il s'agissait d'enlever les smartTag d'un document word tout en gardant son contenu.
Le cas que je cherchais à résoudre était toujours le même mais je le rencontrais plusieurs fois dans le document
Code:

1 2 3 4 5 6 7 8 <w:smartTag w:uri="urn:schemas-microsoft-com:office:smarttags" w:element="metricconverter"> <w:smartTagPr> <w:attr w:name="ProductID" w:val="1 A" /> </w:smartTagPr> <w:r> <w:t>1 A</w:t> </w:r> </w:smartTag>
Je pensais l'avoir résolu avec le code suivant (sourceBody est de type DocumentFormat.OpenXml.Wordprocessing.Body) :
Code:

1 2 3 4 sourceBody.InnerXml = Regex.Replace( sourceBody.InnerXml, @"(<\w*:smartTag .*>\n? *<\S*:smartTagPr>.*<\/\S*:smartTagPr>\n?|<\/\w:smartTag>\n?)", String.Empty, RegexOptions.Singleline);
Mais on viens de m'apporter un document dans lequel ma rustine inélégante pose plus soucis que le problème initial.
Dans ce document je rencontre mon cas initial mais également et plusieurs fois un autre cas :
Code:

1 2 3 4 5 6 7 8 9 10 11 12 <w:smartTag w:uri="urn:schemas-microsoft-com:office:smarttags" w:element="PersonName" xmlns:w="http://schemas.openxmlformats.org/wordprocessingml/2006/main"> <w:smartTagPr> <w:attr w:name="ProductID" w:val="LA REPARTITION ACTUELLE." /> </w:smartTagPr> <w:r> <w:rPr> <w:b /> <w:bCs /> </w:rPr> <w:t>LA REPARTITION ACTUELLE.</w:t> </w:r> </w:smartTag>
Le texte change à chaque fois dans le smartTag mais semble toujours commencer par "LA REPARTITION" (sans doute une coïncidence mais le précise au cas où).

Mon code actuel à pour effet de m'enlever tout le contenu entre le premier smartTag "LA REPARTITION" et le premier smartTag "1 A" et du coup je perd une grosse partie du document.

J'ai besoin de vos conseils pour passer de ceci
Code:

1 2 3 4 5 6 7 8 9 10 11 12 <w:smartTag w:uri="urn:schemas-microsoft-com:office:smarttags" w:element="PersonName" xmlns:w="http://schemas.openxmlformats.org/wordprocessingml/2006/main"> <w:smartTagPr> <w:attr w:name="ProductID" w:val="LA REPARTITION ACTUELLE." /> </w:smartTagPr> <w:r> <w:rPr> <w:b /> <w:bCs /> </w:rPr> <w:t>LA REPARTITION ACTUELLE.</w:t> </w:r> </w:smartTag>
a ceci (et ce, quelque soit le contenu du smartTag)
Code:

1 2 3 4 5 6 7 8 <w:r> <w:rPr> <w:b /> <w:bCs /> </w:rPr> <w:t>LA REPARTITION ACTUELLE.</w:t> </w:r>
Edit :
Je pense que ceci ferait également l'affaire si c'est plus facile
Code:

1 2 3 4 5 6 7 8 9 10 11 12   <w:r> <w:rPr> <w:b /> <w:bCs /> </w:rPr> <w:t>LA REPARTITION ACTUELLE.</w:t> </w:r> 
Merci.

28/08/2019, 08h48
François DORIN
Bonjour,

En regardant un peu, je pense que le problème est un problème de regex glouton vs non glouton.

En effet, un élément comme ".*" peut se comporter de manière très différentes :
- soit on essai de matcher l'élément ayant la plus grande taille ;
- soit on essai de matcher l'élément ayant la plus petite taille.
Par défaut, c'est glouton (gready en anglais) et donc quand tu as plusieurs SmartTag, ça peut te prendre la balise d'ouverture du premier tag, et la balise de fermeture du dernier tag, faisant en sorte que tout ce qu'il y a entre est inclus dans ta sélection, même si ce n'est pas dans un SmartTag. Et il semblerait que ce soit le comportement que tu observes.

Pour rendre la recherche non gloutone, il suffit de suffixer un "*" par un "?". Par exemple ".*?".

Après, il est généralement déconseillé de faire des regex pour gérer du XML (car c'est souvent, très souvent le bazar), et il vaut mieux passer par un parseur XML.

Entendu qu'après de nombreuse combinaisons infructueuses d'ajouts de point d'interrogation derrière les différentes étoiles;
Entendu que les décidément les expressions régulières, c'est vraiment pas mon truc;

Par ces motifs, j'ai finalement suivi ton très judicieux conseil, mis un petit pouce vers le haut sur ton message et opté pour une utilisation du parseur XML.

Ce qui donne :

Code:

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
XElement root = XElement.Parse(sourceBody.OuterXml);
XNamespace nms = "http://schemas.openxmlformats.org/wordprocessingml/2006/main";
IEnumerable<XElement> smartTags = root.Descendants(nms + "smartTag");
IEnumerable<XElement> smartTagProperties = root.Descendants(nms + "smartTagPr");
 
foreach (XElement smartTag in smartTags.ToArray())
{
    smartTag.AddBeforeSelf(smartTag.Elements());
    smartTag.Remove();
}
 
foreach (XElement smartTagProperty in smartTagProperties.ToArray())
{
    smartTagProperty.Remove();
}
 
//0.368 seconds
//sourceBody.InnerXml = String.Join("", root.Nodes().Select(it => it.ToString()).ToArray());
 
// 0.372 seconds 
//sourceBody.InnerXml = String.Concat(root.Nodes().Select(it => it.ToString()).ToArray()); 
 
// 0.335 seconds
StringBuilder builder = new StringBuilder();
foreach (XNode node in root.Nodes())
{
    builder.Append(node.ToString(SaveOptions.DisableFormatting));
}
 
sourceBody.InnerXml = builder.ToString();

28/08/2019, 13h50
François DORIN

Le code n'est pas bien compliqué non plus, et sans doute plus facile à lire et à maintenir que l'utilisation d'une expression régulière !

Sinon, juste pour info, je viens de faire un essai avec ce regex :

Code:

<\w*:smartTag .*?>\n? *<\S*:smartTagPr>.*?<\/\S*:smartTagPr>\n?|<\/\w:smartTag>\n?

semble fonctionner chez moi (si j'ai bien compris l'objectif ;) ).
29/08/2019, 15h12
popo

Il me semble avoir essayé cette configuration sauf que j'ai gardé les parenthèses au début et à la fin.
ça m'enlevait des partie de documents avant même de trouver le premier Smart Tag.

Mais bon c'est effectivement plus facile à comprendre sans regex, je suis tout à fait d'accord.