problème regex suppression balises HTML

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:

---

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:

---

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

montre nous ce que tu ecris comme code

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...:aie:
Je te conseille plutôt d'utiliser un parser HTML comme HTML:: Parser.

--
Jedaï

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

Code:

---

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:

---

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

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.

Citation:

---

Envoyé par 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...:aie:
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 ...

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