[Regexp] Recherche dans un texte formaté html

Salut

J'ai une colonne qui contient du texte formaté en html, donc avec des balises <b>, <br>, etc...
Et je voudrai pour rechercher un mot dans cette colonne, mais en évitant les noms de balise.

Je voulais faire ca avec regexp avec dans l'idée de trouver tous les mots qui ne sont pas entre < et >

En francais, ca donne :

"Tous les mots correspondant
qui ne sont pas précédés du caractère '<' sauf si le caractère '>' est présent entre '<' et le mot
et
qui ne sont pas suivis du caractère '>' sauf si le caractère '<' est présent entre '>' et le mot"

Mais en code, j'y arrive pas.
J'ai pas mal cherché sur le net et sur les forum, mais sans succes
J'ai pas une très bonne maitrise des expressions regulieres.

Peut etre aussi qu'il y a une autre méthode bcp plus simple pour arriver a mes fins.

En tout cas, si quelcun peut m'aider, ca serai bien chouette

Bonjour,

Je ne connais de tuto sympa sur les expressions régulière, mais d'après mes connaissance en la matière, ce qui est décrit est faisable. Par contre, la où je douterais un peu plus, ce serait dans le cas où l'on a un '<' dans une chaine de caractère, ou du code javascript avec je ne sais quoi à l'intérieur.

Si j'ai un peu plus de temps, je repasserais pour tenter une expression.

Non, y aurra aucun < ou > autre dans la chaine car ils sont remplacés par &gt; et &lt;.

Ni de javascript non plus, il s'agit juste de texte mis en forme par des balises html (pour le gras, italique, souligné, la taille, couleur ...)

J'ai presque obtenu ce que je voulais :
(C'est pas beau à voir, mais peut-être que c'est simplifiable et a priori, ca marche)

Regexp '^([^<]*|.*>[^<]*)?Mot?([^>]*<.*|[^>]*)?$'

Ca marche meme si le mot est inclu dans une balise pas fermée ce qui ne pose pas de problème a priori puisque aucun < ou > autre que ceux des balises n'est présent dans la chaine

Par contre, ca trouve le mot meme si ce n'est qu'une partie d'un autre mot :
Genre, TotoMonmot, et j'aimerai bien que ca ne renvoie que des vrais mots.

J'attends vos suggestions !
(Si quelcun se sent le courage)

en remplaçant les '?' par "[^a-zA-Z]" par exemple. Mais il faut aussi voir pour les mot composé...

En fait, j'avais laissé un ? en trop dans ma réponse précédante.

Sinon, je pense avoir trouvé la solution finalement :
(Attention les yeux)

Regexp '^(([^<]*|.*>[^<]*)[^[:alnum:]^<])?Toto([^[:alnum:]^>]([^>]*<.*|[^>]*))?$'

Donc celle la trouve toute les lignes qui contiennent le mot Toto (sans tenir compte de la casse) en s'assurant que ce n'est pas une balise et que ce n'est pas une partie d'un autre mot.


J'ai trouvé la réponse à ma propre question tout seul, mais je la poste quand même pour ceux que ca interesse

Si quelcun trouve un bug dans mon expression, merci de me le faire savoir

J'ai enlevé le tag RESOLU parce que j'ai encore un problème, il trouve pas les mots si ils sont collés à une balise, et je comprend vraiment pas pourquoi.

(En même temps, j'ai peu d'espoir, ce topic à pas rencontré un grand succés)

Ce ne serait pas lié à ça ?

Code:

---

|.*>[^<]*)

---

Je pense pas, c'est depuis que j'ai ajouté la partie pour ne pas prendre les morceaux de mots
[^[:alnum:]^<]

Si j'enlève ca, ben ca prnd les morceaux de mots, mais ca pose pas de problème quand les mots sont collés aux balises

En fait, c'était bien lié.
Si le caractère le plus proche est < alors on peu avoir n'importe quel caractère derrière.
Donc j'ai rajouté un OU pour gérer cette possibilité.

J'ai pas vu de nouveaux problèmes depuis cette mise à jour, donc je pense que ca marche

Code:

---

Regexp '^(([^<]*|.*>[^<]*)[^[:alnum:]^<]|.*>)?Mot(<.*|[^[:alnum:]^>]([^>]*<.*|[^>]*))?$'

---