[BBCode] preg_replace_callback récursif

Version imprimable

Bonjour à tous,

J'ai un petit soucis et je pense que Regex est la solution.

Voici mon problème, j'ai un string qui peut éventuellement contenir des balises de type [BBC id='3vr']contenu[/BBC].

Exemple :

Ce [BBC id='3vr']matin[/BBC] un lapin a [BBC id='4uy']tué[/BBC] un chasseur

Ce que désire c'est remplacer les BBC par des matin mais également appliquer une modification sur la chaine comme par exemple

MATIN (majuscule)
[tué] (entourer le texte de crochet)

Pour ajouter les p class, il n'y a pas de problème mais c'est pour appliquer une fonction au contenu de la balise en fonction du paramètre de la balise qui me pose problème.

Voici une piste possible :
Code:

1 2 3 4 5 6 7 8 9 10 11 12 13 14 $code='$this->callBack1($matches[0],$matches[1]);'; $l_regex=""; $str=preg_replace_callback( stripslashes($l_regex), create_function( '$matches', 'return '.$code ), $str );
$code est le code à appliquer dans le callback
$l_regex est ... le regex :mouarf:

Comme vous le voyez, l'idée est, via preg_replace_callback, pour chaque résultats trouvés, d'exécuter une fonction callBack1 en passant comme paramètre le contenu de la balise et l'id.

Je sèche sur le regex pour qu'il sorte le contenu et l'id pour que je puisse fournir cela à la fonction callBack1

Avez vous une idée pour régler le problème ou peut être une autre voie. J'ai en stock PEARL et son plugin BBCodeParser.

Merci,

Vodnok

Voici un regex qui me retourne l'id et le contenu

$l_regex= '`\[BBC id=(.*)\](.*)\[/BBC\]`';

Mais il gère ma les BBC imbriqués

Exemple

[BBC id=3vt]gé[BBC id=3vu]ni[/BBC]al[/BBC]

donne
Code:

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 preg_match_all($l_regex,$str,$pre); PRE = Array(3) { [0]=>'Array(1) { [0]=>'[BBC id=3vt]gé[BBC id=3vu]ni[/BBC]al[/BBC]' } [1]=>'Array(1) { [0]=>'3vt]gé[BBC id=3vu]ni[/BBC' } [2]=>'Array(1) { [0]=>'al' } }
Grrrr

Salut,

J'ai fait un truc pour le callback

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
31
32
33
34
35
36
37
38
39
 
<?php
 
function testRegex($myString) {
    $pattern = '#\[BBC \s+ id=\'? ( [^\']+ ) \'? \] ( [^\[]* ) \[/BBC\]#ix';;
    print preg_replace_callback($pattern, "format", $myString);
}
 
function format($matches) {
    $myAttribut = $matches[1];
    $myValue = $matches[2];
 
    $buffer = "<p class='xxx_$myAttribut'>%s</p>";
 
    switch($myAttribut) {
    case '3vr':
        $buffer = sprintf($buffer, strtoupper($myValue) );
        break;
    case '4uy':
        $buffer = sprintf($buffer, "[$myValue]" );
        break;
    default:
        $buffer = sprintf($buffer, $myValue );
        break;
    }
 
    return $buffer;
}
 
$myString = "Ce [BBC id='3vr']matin[/BBC] un lapin a [BBC id=4uy]tué[/BBC] un chasseur";
 
/* Resultat attendu:

<p class='xxx_3vr'>MATIN</p> (majuscule)
<p class='xxx_4uy'>[tué]</p> (entourer le texte de crochet)

*/
 
testRegex($myString);

Reste à gérer les imbrications.

17/12/2008, 15h21
vodnok

Merci beaucoup,

Effectivement pour les imbrications c'est compliqués. J'ai regardé le code de BBCodeParser dans PEARL et si j'ai bien compris avant de traiter, il crée un arbre des tag function _buildTagArray() mais ça m'a l'air bien complexe et couteux en ressource pour faire cela. :?
17/12/2008, 15h24
s.n.a.f.u

A vrai dire, je n'ai jamais plongé dans le code d'un parser de BBCode. Ca pourrait être intéressant.
Je pensais plutôt regarder du côtés de la recursivité, qui peut aussi être un beau challenge.
17/12/2008, 15h55
vodnok

Voila j'ai adapté ma classe de traitement avec ton code.

http://img132.imageshack.us/img132/1579/testle2.jpg

matin reçoit une class css et un traitement qui est un shuffle
tué reçoit une class css et un traitement qui est un ajout de texte en début et fin de texte.

:king:

Mais reste le problème des imbrications.

$myString = "Ce [BBC id='3vr']matin un lapin a [BBC id=4uy]tué[/BBC] un chasseur[/BBC]";

Il faudrait un regex qui extrait le contenu de la première balise cad : matin un lapin a [BBC id=4uy]tué[/BBC] un chasseur. Et ensuite on applique à cette chaine la fonction précédente. Mais j'ai un doute de la faisabilité avec regex. Le [/BBC] est très ennuyant.

J'ai adapté le code récursif du manuel pour arriver à ça

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
31
32
33
34
35
36
37
38
39
 
<?php
 
$myString = "Ce [BBC id='3vr']matin un lapin a [BBC id=4uy]tué[/BBC] un chasseur[/BBC]";
 
function parseTagsRecursive($myString)
{
    $regex = '#
    \[BBC \s+ 
    id=\'? (.+?) \'? \]
    ( (?: [^\[] | (?R) )+ )
    \[/BBC\]
    #ix';
 
    if (is_array($myString)) {
        $myAttribut = strtolower($myString[1]);
        $myValue = $myString[2];
 
        $myString = "<p class='xxx_$myAttribut'>%s</p>";
 
        switch($myAttribut) {
        case '3vr':
            $myString = sprintf($myString, strtoupper($myValue) );
            break;
        case '4uy':
            $myString = sprintf($myString, "[$myValue]" );
            break;
        default:
            $myString = sprintf($myString, $myValue );
            break;
        }
    }
 
    return preg_replace_callback($regex, 'parseTagsRecursive', $myString);
}
 
$output = parseTagsRecursive($myString);
 
echo $output;

La question qui reste est à choisir l'affichage : [TUE] ou [tué]

http://img504.imageshack.us/img504/6056/testdl2.jpg

:king::king::king:

J'ai cependant du remplacer les p par des span et adapté à mon code
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 function bbCodeParserParseTagsRecursive($myString){ $bbCodeFunctionUtils=new bbCodeFunctionUtils(); $bbCodeCustomUtils=new bbCodeCustomUtils(); $utilsCss=new utilsCss(); $regex = '# \[BBC \s+ id=\'? (.+?) \'? \] ( (?: [^\[] | (?R) )+ ) \[/BBC] #ix'; if (is_array($myString)) { $myAttribut = $myString[1]; $myValue = $myString[2]; $bbc=$bbCodeCustomUtils->getCustomBBCodeInfo($myAttribut); if(!$bbc) return $myValue; $myString = "%s"; if(isset($bbc['t_params']['css'])){ $myString = "%s"; $utilsCss->addCssClassToLoad('bbc_'.$myAttribut,$bbc['t_params']['css']); } $myString = sprintf($myString, $bbCodeFunctionUtils->getApplyFunctions($myValue,$myAttribut)); } return preg_replace_callback($regex, 'bbCodeParserParseTagsRecursive', $myString); }
Citation:

La question qui reste est à choisir l'affichage : [TUE] ou [tué]

:aie:

En fait la mise en majuscule était un exemple de fonction. Sur le serveur, je n'ai pas appliqué la mise en majuscule à cet ID. C'est à la demande. J'ai d'ailleurs remplacer le switch de ton code par

Code:

$myString = sprintf($myString, $bbCodeFunctionUtils->getApplyFunctions($myValue,$myAttribut));

En fait les id des BBC sont des identifiants de ce que j'appel des customBBCode. Un custom BBC est créé par l'utilisateur via une interface web. Il peut ainsi définir le style et éventuellement une fonction de traitement de chaine.

Comme fonction de traitement j'ai pour le moment:

substr
shuffle
upper
lower
concat

L'utilisateur peu évidemment combiner plusieurs fonctions

Et je compte faire une fonction insertbbcregex qui permet d'appliquer au résultat d'un regex un bbcode. Par exemple, je veux que tous les chiffres de mon texte possède tel style, ou je veux que la première lettre de mon texte soit plus grande avec telle couleur... etc etc mais je n'ai pas encore terminé cette fonction. Le problème disons est que pour monsieur tout le monde, les regex c'est un peu trop compliqué. Déjà pour moi :aie: !

L'avantage est qu'en faisait des BBCode basés sur les class css, ça allège fortement le poids du code html. L'utilisateur a la liste des ses BBcode directement dans l'éditeur texte. Comme cela c'est beaucoup plus rapide pour appliquer un style de son choix. J'ai maintenu des centralisations sur un forum et c'est le genre de truc qui m'aurait fait gagner beaucoup de temps. :P Evidemment les bbcodes traditionnel sont accéssibles également.

Un grand merci pour ton aide, c'était comme tu l'as dit un beau challenge. :king:

17/12/2008, 17h30
s.n.a.f.u

Oué, c'était sympa.
Mais attention, il reste un écueil et je n'ai pas eu le temps de me pencher dessus : tu ne peux insérer de caractère [ entre deux balises BBCode, sous peine de faire exploser le biniou.

TODO...

Citation:

Envoyé par jml94

Oué, c'était sympa.
Mais attention, il reste un écueil et je n'ai pas eu le temps de me pencher dessus : tu ne peux insérer de caractère [ entre deux balises BBCode, sous peine de faire exploser le biniou.

TODO...

Je crois que celle-ci est un peu plus costaude :
Code:

1 2 3 4 5 6 7 $regex = '{ \[BBC \s+ # ca commence par [BBC avec un ou des blancs id=\'? (.+?) \'? \] # capture de l\'attribut id avec ou sans quotes ( (?: [^\[] | \[ (?!/?BBC) | (?R) )+ ) # capture récursive de la valeur entre balises \[/BBC\] # et ça finit par [/BBC] }Six'; # S pour optimiser le moteur, i pour la casse, x pour l\'espacement et les commentaires

17/12/2008, 18h01
vodnok

Ca fonctionne

J'ai juste remplacé

( (?: [^\[] | \[ (?!/?BBCODE) | (?R) )+ )

par

( (?: [^\[] | \[ (?!/?BBC) | (?R) )+ )

Il y a encore ce cas :

[BBC id='3zF']tu[BBC]é[/BBC]

Soit je remplace avant traitements les [BBC] par [BBBC] et ensuite en fin de traitement je fais l'inverse. Soit on peut peut-être à l'aide du regex ignorer les [BBC]. Bon ensuite s'il y a une erreur dans les BBC c'est aussi à l'utilisateur de le comprendre. Normalement avec les BBC et leur phylosophie, on ne doit pas avoir énormément de BBC imbriqués et donc ça doit être clair. En tout cas plus clair que les BBcode traditionnels.

EDIT : voila c'est fait

Code:

return $str=str_replace('[BBBC]','[BBC]',bbCodeParserParseTagsRecursive(str_replace('[BBC]','[BBBC]',$str)));
17/12/2008, 18h04
s.n.a.f.u

S'il y a une erreur dans la balance des crochets, je pense qu'on peut s'en sortir avec preg_match et quasiment la même expression.
J'aurais même tendance à dire exactement la même, mais je n'ai pas le temps de tester.

TODO...

Je remonte le topic car j'ai un problème avec cette fonction. J'ai découvert un bug. Cela fait planter le serveur apache

Code:

1
2
3
4
5
6
7
8
9
10
 
$str="B[bbc id='ert']";
 
for($i=0;$i<391;$i++){
$str.='A';
}
 
$str.='[/bbc]';
 
$str=bbCodeParserParseTagsRecursive($str);

Avec 391 ça plante pas. Mais > 391 ça plante. donc on dirait qu'à partir d'une certaine taille de la chaine, cela fait planter le script.

J'ai essayé d'augmenter la mémoire maximum par script mais rien n'a changé.

Le regex

Code:

1
2
3
4
5
6
7
 
    $regex = '{
    \[BBC \s+                                   # ca commence par [BBC avec un ou des blancs
    id=\'? (.+?) \'? \]                         # capture de l\'attribut id avec ou sans quotes
    ( (?: [^\[] | \[ (?!/?BBC) | (?R) )+ )      # capture récursive de la valeur entre balises
    \[/BBC\]                                    # et ça finit par [/BBC]
    }Six';                                      # S pour optimiser le moteur, i pour la casse, x pour l\'espacement et les commentaires

Le code

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
 
function bbCodeParserParseTagsRecursive($myString){
$regex = '{
    \[BBC \s+                                   # ca commence par [BBC avec un ou des blancs
    id=\'? (.+?) \'? \]                         # capture de l\'attribut id avec ou sans quotes
    ( (?: [^\[] | \[ (?!/?BBC) | (?R) )+ )      # capture récursive de la valeur entre balises
    \[/BBC\]                                    # et ça finit par [/BBC]
    }Six';  
 
    if (is_array($myString)) {
        $myString = transformation($myString[2],$myString[1]);
    }
 
    return preg_replace_callback($regex, 'bbCodeParserParseTagsRecursive', $myString);
}

Avec un preg_match_all, preg_replace cela fonctionne mais le preg_replace_callback bug. Y aurait-il une limite de taille dans les paramètres de 'bbCodeParserParseTagsRecursive'?

A votre avis ?

Merci,

Sébastien,

28/07/2009, 15h13
vodnok

En cherchant les éventuels bug php connu, il savère qu'il y a un bug quand on combine les variables globales et preg_replace_callback. Bug qui serait résolut dans php 5.2.10. Je suis en 5.2.9

Cependant, je n'utilise pas de $GLOBALS ;-) et le problème ne survient que lorsque la chaine de caractère est trop longue

Cela dependrait également de l'OS (je suis sous Vista Home)
29/07/2009, 09h48
s.n.a.f.u

Citation:

Envoyé par vodnok

En cherchant les éventuels bug php connu, il savère qu'il y a un bug quand on combine les variables globales et preg_replace_callback. Bug qui serait résolut dans php 5.2.10. Je suis en 5.2.9

Cependant, je n'utilise pas de $GLOBALS ;-) et le problème ne survient que lorsque la chaine de caractère est trop longue

Cela dependrait également de l'OS (je suis sous Vista Home)

Peux-tu nous donner le lien qui explique ce bug, j'ai la flemme de chercher ce matin. 8-)
29/07/2009, 09h50
s.n.a.f.u

J'ai essayé de tester, mais il me manque la fonction "transformation". :cry:
29/07/2009, 15h56
vodnok

http://bugs.php.net/bug.php?id=44214

Problème résolut dans le 5.9.10 MAIS je n'utilise pas de globals comme décrit dans le code du bug...

Je ne pense pas que cela vient du bug. En attendant, j'ai mis un substr pour réduire la taille de la zone à parser.
29/07/2009, 15h57
vodnok

Citation:

Envoyé par s.n.a.f.u

J'ai essayé de tester, mais il me manque la fonction "transformation". :cry:

J'ai fait un test sans fonction de transformation. Juste une return de la chaine et ca plante également

Je suis sous 5.2.10, donc je ne peux pas t'aider vraiment, mais j'ai fait ce test qui fonctionne en ajoutant des quantificateurs et un groupement atomique, ce qui devrait réduire le backtracking

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
 
<?php
$str="Debut[bbc id='un']content1[bbc id='deux']content2+";
 
for($i=0;$i<400;$i++){
$str.='A';
}
 
$str.='[/bbc]content3[/bbc]';
 
$str=bbCodeParserParseTagsRecursive($str);
 
print_r($str);
 
function bbCodeParserParseTagsRecursive($myString){
$regex = '{
    \[BBC \s++                                  # ca commence par [BBC avec un ou des blancs
    id=\'? ([^\'\]]++) \'? \]                   # capture de l\'attribut id avec ou sans quotes
    ( (?> [^\[] | \[ (?!/?BBC) | (?R) )+ )      # capture récursive de la valeur entre balises
    \[/BBC\]                                    # et ça finit par [/BBC]
    }Six';
 
    if (is_array($myString)) {
        $myString = '#'.$myString[1].'#'.$myString[2];
    }
 
    return preg_replace_callback($regex, 'bbCodeParserParseTagsRecursive', $myString);
}

29/07/2009, 17h36
vodnok

Cela est peut être dut au changement de mon portable il y a 1 mois. J'ai réinstallé WAMP et le dernier PHP sous un Vista Home. J'étais sous XP Pro avec un plus ancien PHP

Hélas je ne sais pas mettre PHP 5.2.10 car j'utilise eaccelerator et je n'ai pas encore trouver la dll compatible.

Merci de ton aide, je vais voir ce que donne ta proposition...

[quelques minutes plus tard]

J'ai testé et la modification permet de doubler la taille maximale. Je passe de 390 à 780 (+/-) caractères. Je n'ai pas bien saisi la différence entre les 2 regex mais je vois que tu as doubler certains ++. Serait-il possible d'augmenter encore la maximum et de limiter via le regex la taille de la chaine entre les balises.

Je vais tester sur mon ancien portable la problème vient peut être de l'OS ou de la configuration de WAMP

Encore mercie
29/07/2009, 18h00
s.n.a.f.u

LOL, le ++ ne peut pas être changé en +++ :mouarf:

C'est une notion un peu avancée des regex que je donne assez rarement car elle n'est pas souvent nécessaire.

Et je donne toujours les mêmes liens pour les expliquer :

http://www.regular-expressions.info/possessive.html
http://www.regular-expressions.info/atomic.html

Bonne chance !

PS : peut-être peux-tu augmenter la taille mémoire attribuée à php ?...
29/07/2009, 22h00
vodnok

J'ai continué les tests...

Sur mon ancien portable sous XP PHP 5.2.5 : la fonction non optimisée par ta dernière modification passe 49.989 caractères

Sur mon nouveau portable sous Vista Home PHP 5.2.9 : je passe 390 (et avec l'optimisation 780)

Pour m'assurer que c'est l'OS ou PHP j'installe PHP 5.2.5 sur le serveur wamp c'est facile de switcher et verdicte : 49.993 caractères

Quand ça fonctionne et si je dépasse la limite, apache ne plante pas mais la chaine retournée est vide.

Le php.ini est identique tout comme apache donc il s'agit bien d'un bug PHP 5.2.9

La solution est donc de rester en 5.2.5 en attendant.

Merci pour ton aide
28/09/2009, 16h54
Rakken

Bonjour,

J'ai actuellement le même problème, je suis bloqué au dela d'un certain nombre de caractères avec mon preg_replace_callback... Et j'ai des pages de plus de 100 000 caractères...

Y a-t-il moyen de passer outre cette limitation de 49000 caractères ?

Pour la taille en mémoire, dans le php.ini je suis passé de 8M à 512M, sans effet notable...
29/09/2009, 09h33
vodnok

Salut,

Désolé je n'ai pas de solution pour le moment. Il faut dire que les 50k me suffisent.

Je vois 2 pistes de solutions que n'en sont pas vraiment

1/ découpage intelligent
2/ réduction intelligente

1/ Le découpage intelligent consisterait à couper la chaine en morceau de < de 50k. Intelligent signifiant que le découpage n'altere en rien le résultat

Exemple :

<bbc>30k</bbc><bbc>30k</bbc><bbc>30k</bbc><bbc>30k</bbc>

30k : 30.000 caractères

Serait découpé en 4 morceaux et donc 4 appels à preg_replace_callback mais le problème est le suivant

<bbc>570k</bbc>

2/ la réduction intelligente : on réduit la taille des chaines non significatives

<bbc>30k</bbc><bbc>30k</bbc><bbc>30k</bbc><bbc>30k</bbc>

Donnerait

<bbc>$ref1</bbc><bbc>$ref2</bbc><bbc>$ref3</bbc><bbc>$ref4</bbc>

$refx est une variable qui contient le contenu et sur lequel on peut effectuer un traitement.

Mais tout cela est du rafistolage qui risque de réduire fortement les performances.

a/ Il faut s'interoger sur la pertinence d'utiliser preg_replace_callback sur une chaine de 100k dans une application web

Dans mon site lors de l'affichage d'une page, il se pourrait qu'on appel des dizaines de fois preg_replace_callback. Et je devrai surveiller les performances voir faire de la mise en cache.

b/ Eventuellement externaliser ce traitement (via java ou c++)

c/ Contacter les dev de PHP pour avoir leur avis

Mais je pense que la réduction intelligente est une bonne piste dans ton cas

-> En fonction du regex, remplacer les chaines non significatives par des références.
29/09/2009, 09h38
s.n.a.f.u

Citation:

Envoyé par Rakken

Bonjour,

J'ai actuellement le même problème, je suis bloqué au dela d'un certain nombre de caractères avec mon preg_replace_callback... Et j'ai des pages de plus de 100 000 caractères...

Y a-t-il moyen de passer outre cette limitation de 49000 caractères ?

Pour la taille en mémoire, dans le php.ini je suis passé de 8M à 512M, sans effet notable...

Parser du BBCode sur 100 000 caractères ?! 8O
Il me semblait que le BBCode n'était utilisé que dans les forums, donc sur des textes beaucoup plus courts.
Pourrais-tu décrire succinctement le contenu de ces chaînes ?
29/09/2009, 13h51
Rakken

En fait, pour mes sites, j'ai créé un CMS. L'idée est qu'une fois posé (modulo les css et les éventuels ajouts de modules) je puisse construire mes sites sans plus toucher au code.
Pour ca, quand je passe en mode admin, chaque page est entièrement éditable façon wiki. Donc l'équivalent bbcode ne se trouve pas au niveau d'un post, mais d'une page complete. Et il se trouve que dans la mesure ou c'est un site qui décrit un monde imaginaire, il y a beaucoup de contenu textuel.
La pire de mes pages (ou pas loin : le culte des ténèbres).
Bref, les 100 000 caractères sont sommes toute assez vite atteint, surtout quand on considère que je pose automatiquement une infobulle sur chaque mot qui a un sens particulier dans le monde (Oneira, Thard, etc...).
Le code source généré de cette page fait plus d'un million de caractère, alors une limite a 30 000...
Bon, clairement, cette page est un cas extrème, et elle sera découpée en plusieurs section, ne serait-ce que pour le temps de chargement, mais c'est représentatif de mon problème.

Pour ce qui est du temps de traitement, j'ai mis en place un système de cache qui fait qu'au premier affichage de la page, celle-ci est calculée (ça prend rarement plus de quelques secondes, sauf sur cinq ou six pages particulièrement complexes, comme le glossaire ou la chronologie), et ensuite, le résultat est directement stocké en base, donc l'affichage suivant est quasi instantané.

Pour un exemple de bbcode que je parse, voici le début de la page donné en lien :

Citation:

[titre1]Le culte des Ténèbres[/titre1]
[ligne]
[lettrine|L]e [l]culte des Ténèbres[/l] est essentiellement honoré en [l]Ar'Thard[/l] et en [l]Ar'Boeren[/l]. [l]Culte des ténèbres[/l] absolues, ses [l]prêtres[/l] vivent dans le noir, afin de mieux percevoir l'essence vraie des choses.
[halo]Le [l]culte des Ténèbres[/l] considère que le monde est illusion et que tout être vivant est constamment trompé par ses sens. Le but du [l]culte des Ténèbres[/l] est donc de percevoir la véritable essence d'[l]Oneira[/l] en se détachant des sens "usuels", et plus particulièrement la vue. En effet, ceux qui regardent [l]Oneira[/l] avec leur yeux ne peuvent se détacher de ce qu'ils voient et ce qu'ils voient est trompeur. Mais en se coupant de toute lumière il est plus aisé de "voir" ce qu'est vraiment [l]Oneira[/l].

Actuellement, mon parsing est fait entièrement à la main, en deux passes. Une pour remplacer les balises "simple" du genre [ligne] ou [halo], et une autre pour remplacer les balises complexe du genre [l]Oneira[/l], mais rajouter des balises "complexe" est ardu, et justement je veux rajouter une balise [nobr] pour ne pas transformer les \n en à l'intérieur. Vu que je suis entrain de refondre complètement le site, j'en profite pour modifier le moteur. Ayant découvert le preg_replace_callback depuis la derniere fois, j'ai envie de l'utiliser, d'autant qu'il me simplifie très largement le boulot.

Pour répondre à l'idée de découpage "intelligent", c'est assez difficile, car il est tout à fait envisageable que j'ai une balise qui s'ouvre au tout début (genre mon fameux [nobr]) et se ferme beaucoup plus loin...