Regexp : nettoyer du HTML, mais pas toutes les balises

Alors je vous expose mon problème.

J'ai toujours tendance à penser "bah, ça sera tout simple comme problème", et je change vite d'avis :cry:.

Je bosse depuis plusieurs heures sur une regexp qui pourrait me permettre de nettoyer (entendons par là débaliser) une page HTML.
Jusque là, rien de bien méchant :

Code:

---

s/(<.*?>)/ /g

---

Avec quelques petites modifications, mais l'idée est là.

Maintenant, je veux faire la même chose mais en conservant quelques balises comme le gras et l'italique.
Et pour compliquer le tout, je cherche à ce que l'ordre soit conservé.

J'avais pensé à :

Code:

---

s/(<[^bi].*?>)/ /g

---

Mais le problème est que toute balise qui contient 'b' ou 'i' (comme <base> par exemple) sera conservée par la même occasion.

Je n'aurais pas demandé votre aide si je n'avais pas passé mon après-midi dessus (entre autres).

Merci d'avance!

Essaie de préciser les balises à traiter ou à ignorer, en utilisant des groupes, par exemple :

Code:

---

1 2 3 4

# la balise peut commencer par / ou pas, selon que c'est une balise de fermeture ou d'ouveture # on veut remplacer soit une séquence "b", soit "i", soit "br" s/<\/?((b)|(i)|(br))>//g

---

:tagcode:

La "meilleure" solution (ou du moins la plus évolutive) serait d'en passer par un parser HTML.

--
Jedaï

Oui évidemment, le parser HTML serait la solution, mais j'aurais bien aimé ne pas avoir à m'en servir (ne me demandez pas pourquoi je ne sais pas vraiment :roll: ).

Merci pour vos réponses.

Citation:

---

Envoyé par Henny

J'avais pensé à :

Code:

---

s/(<[^bi].*?>)/ /g

---

Mais le problème est que toute balise qui contient 'b' ou 'i' (comme <base> par exemple) sera conservée par la même occasion.

---

La solution est de faire le remplacement dans deux cas :
- si la balise commence par <[^bi]
- si la balise commence par <[bi] non-suivi de >

Par ailleurs, il faut ajouter l'insensibilité à la casse /i et prévoir de conserver aussi </b> et </i>. Au total, j'obtiens ça :

Code:

---

s/(<\/?([^\/bi]|[bi][^>]).*?>)/ /gi ;

---

Encore merci pour ces réponses.

Je vais voir ça dès que j'ai le temps.