Récupérer la liste des url des images - BBcode

Version imprimable

Bonjour,

J'ai un message qui contient des balises BBcode (phpBB3), voici un exemple de message :
Code:

1 2 3 4 5 6 7 8 9 10 11 12 13 Ce message contient des [b:9nagshe3]images[/b:9nagshe3] : Cas 1 : Regarde ma super image : [img:3maguzm6]http://clipartof.com/nom_img.jpg[/img:3maguzm6] Cas 2 : Clic sur le lien pour voir l'image : [url=http://monsite.fr/imageFullHd.jpg:q5mkaq5m]lien vers l'image[/url:q5mkaq5m] Cas 3 : Clic sur la miniature pour voir l'image originale : [url=http://www.hiboox.fr/images/test,5f677f.jpg.html:37xw65br] [img:37xw65br]http://images4.hiboox.com/images/3708/5f677e8dd.jpg[/img:37xw65br] [/url:37xw65br]
Ce qui m'intéresse c'est de récupérer la liste des URL de toutes les images contenues dans le message.

Si l'image (balise [img]) est englobée dans un lien (balise [url]), c'est l'URL de [url] qui m'intéresse, pas celle de [img] qui est une simple miniature.

Je souhaite faire ça en PHP avec des expressions Perl (preg, pas ereg), et je suis un peu pommé, ça dépasse de très loin mon niveau en expressions régulières.

Est-ce qu'il est nécessaire de lire le message ligne par ligne ?
Comment faire, pouvez vous me donner une expression au moins pour le cas 1 ?

Merci

09/03/2010, 13h41
hornetbzz

Salut,

Pour une piste:

Pour les URL, j'utilise la fonction native filter_var de PHP5, par exemple:

Code:

$bool = (filter_var($url, FILTER_VALIDATE_URL) === false)? false : true ;

Encore te faut-il "découper" au préalable ta chaine en 2 :
d'un coté l'url que tu mettras dans $url,
de l'autre le nom de ton fichier image dans la variable $file

En même temps, si tu lis la doc php sur le sujet des regex, et donc d'une des fonctions principales qui les accompagne: preg_match, tu verras qu'il y a même un magnifique exemple qui colle pratiquement à 100% à ton besoin.
09/03/2010, 15h53
Galdon

Merci pour ton aide, mais je en crois pas que ça réponde à ma question.

Apparemment, filter_var sert à terminer si ce qu'on lui passe en paramètre correspond au format (flag). Dans ton exemple tu t'en sers pour voir si une chaine de caractère est une URL ou non.

Moi c'est pas ça que je veux faire, c'est récupérer la liste des URL contenu dans le message correspondant à des images.

Je ne peux pas me servir de l'extension du fichier dans l'URL pour déterminer si c'est une image ou du HTML parce que certains sites comme ImageShack ont des URL dynamiques (exotique), où il n'y a pas d'extension .jpg, .png...

Donc la seule façon de déterminer si c'est une image ou non, c'est le contexte.

Si l'URL est entourée par une balise [img], c'est une image, par exemple (pour le moment je vais me limiter à ce cas de figure, le cas n°1 dans mon code d'exemple).

Comment faire ça, récupérer la liste des URL entourées par [img] ?

Bonjour,

J'ai une première moûture:

Code:

'#\[(?:url=((?:http://)?.+?)(:.*?]).+?\[/url\\2|(img:.*?])((?:http://)?.+?)\[/\\3)#'

La regex crée avec cette RE délivre 4 groupes.

Dans le cas 1, l'adresse voulue sort dans le groupe 4, tandis que les groupes 1 et 2 sont vides.

Dans les cas 2 et 3, l'adresse se trouve dans le groupe 1, tandis que les groupes 3 et 4 sont vides

cela nécessite donc un petit test pour obtenir finalement l'adresse.

En Python ça donne:
Code:

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 #Ce message contient des [b:9nagshe3]images[/b:9nagshe3] : #Cas 1 : Regarde ma super image : cas1 = '[img:3maguzm6]http://clipartof.com/nom_img.jpg[/img:3maguzm6]' #Cas 2 : Clic sur le lien pour voir l'image : cas2 = "[url=http://monsite.fr/imageFullHd.jpg:q5mkaq5m]lien vers l'image[/url:q5mkaq5m]" #Cas 3 : Clic sur la miniature pour voir l'image originale : cas3 = "[url=http://www.hiboox.fr/images/test,5f677f.jpg.html:37xw65br]"\ "[img:37xw65br]http://images4.hiboox.com/images/3708/5f677e8dd.jpg[/img:37xw65br]"\ "[/url:37xw65br]" import re RE = '\[(?:url=((?:http://)?.+?)(:.*?]).+?\[/url\\2|(img:.*?])((?:http://)?.+?)\[/\\3)' pat = re.compile(RE) for cas in (cas1,cas2,cas3): print pat.search(cas).groups()
Code:

1 2 3 (None, None, 'img:3maguzm6]', 'http://clipartof.com/nom_img.jpg') ('http://monsite.fr/imageFullHd.jpg', ':q5mkaq5m]', None, None) ('http://www.hiboox.fr/images/test,5f677f.jpg.html', ':37xw65br]', None, None)
J'ai une idée pour améliorer et sortir l'adresse voulue toujours dans un même groupe, ce qui éliminerait le test. Dis moi si ça t'intéresse vraiment car ce sera un peu plus compliqué à faire, je pense.

09/03/2010, 22h10
Galdon

Ok, merci beaucoup !

De mon côté j'avais reussi à écrire la REGEX du cas 1, mais mon problème c'était de récupérer la liste des correspondances (matches).

En fait c'est tout simple, il suffit de donner un 3éme paramètre à la fonction PHP preg_match_all, et cette variable est automatiquement remplie avec les correspondances.

J'avais prévu d'écrire 3 regex (une par cas) et de les appliquer successivement, mais tu as fournis une REGEX qui marche pour les 3 donc je vais l'utiliser à la place.

Citation:

Envoyé par eyquem

J'ai une idée pour améliorer et sortir l'adresse voulue toujours dans un même groupe, ce qui éliminerait le test. Dis moi si ça t'intéresse vraiment car ce sera un peu plus compliqué à faire, je pense.

T'embête pas, la solution avec le test fonctionne, c'est le principal.