[RegExp] Problèmes expressions régulières

Fladnag tes 2 solutions me renvoyent comme résultats les 1ères lettres de mes src seulement.

Sinon, les assertions et les masques conditionnels m'interresse... mais j'ai absolument rien compris ^^

Je galère deja assez avec des expressions de bases, alors ajouter ça en plus :s

Essaye la méthode de crotte
il a tester sa marche normalement

Non, elle ne fonctionne pas s'il n'y a ni ' ni " et aussi s'il y a des element avant src (comme border=0) ca ne fonctionne pas non plus

ok, on doit pouvoir blinder avec ca :

'/<img[^\'">]+src=[\'"]?([^\'">]+)[\'"]?[^>]*>/iU'

et

'/<img[^\'">]+src=([\'"]?)([^\'">]+)\1[^>]*>/iU'

Code:

---

1 2	preg_match_all ('/<img[^\'">]+src=[\'"]?([^\'">]+)[\'"]?[^>\'"]*>/iU', $corps, $out, PREG_SET_ORDER);

---

Avec ça j'ai un truc pas mal.
Que j'ai quelque chose avant ou apres, il m'affiche la source de l'image sans les ' ou les ".
Le problème, si le src n'a ni ' ni ", il m'affiche juste la 1ere lettre :s

On est bientot au bout ^^

oué... sauf que je vois pas comment faire sans utiliser d'assertions ;o)

le probleme est dans la fin du masque :

[\'"]?([^\'">]+)[\'"]?[^>\'"]*

Si il n'y a pas de " ou de ' , ca donne :

([^\'">]+)[^>\'"]*

ce qui veut dire :

Code:

---

capture 1 ou n caracteres qui ne sont pas ', " ou > et qui sont suivis de n'importe quel caracteres exceptés >, ' et "

---

Alors qu'il faudrait dire :

Code:

---

1 2 3

* Si on a des " ou ' : capture 1 ou n caracteres qui ne sont pas ', " ou > et qui sont suivis de n'importe quel caracteres exceptés >, ' et " * Si on a pas de " ou ' : capture 1 ou n caracteres jusqu'au premier espace ou au premier >

---

Si tu dit qu'il est impossible qu'une image contienne des espaces... ce qui est le cas si l'url de l'image est bien formée puisqu'en principe il doit etre remplacé par %20, tu peux ajouter un espace dans la parenthese capturante :

[\'"]?([^\'"> ]+)[\'"]?[^>\'"]*

Il est possible que ca ne suffise pas...
tu peux essayer de rajouter aussi un espace dans la classe de caracteres suivante :

[\'"]?([^\'"> ]+)[\'" ]?[^>\'"]*

Si ca ne marche toujours pas, il va falloir se tourner vers les assertions...

Toujours pareil, même avec les espaces.
Ce que je ne comprend pas, c'est pourquoi il s'arrete apres la 1ere lettre, pourtant ce n'est pas un caractère spécial (' " ou <).

Ca ne me dérange pas d'utiliser les assertions, il faut juste que j'arrive a comprendre comment s'en servir :)

En tout ca merci beaucoup d'essayer de m'aider ;)

c'est normal qu'il s'arrete a la premiere lettre :

quand tu as ca :

[\'"]?([^\'">]+)[\'"]?[^>\'"]*

sans les guillemets ni apostrophes, qui sont optionnels, ca donne ca :

([^\'">]+)[^>\'"]*

on lui demande donc 1 ou n caracteres qui ne sont pas ', " ou >
suivi de 0 ou n caracteres qui ne sont pas > ' "

donc avec l'option U, il fait le moins de boulot possible et ne prend que le premier caracteres puisque les autres satisfont le masque suivant.

Donc allons y avec les assertions et les sous masques conditionnels ;o))

Apres quelques tests, voici le résultat ;o)
testé donc il fonctionne ;o)

Les seuls cas ou il renvoi "ERREUR" est le cas ou on as :
<img src=avec espace.gif>
ce qu'un navigateur normal ne devrait pas afficher non plus, donc ca me parait bien ;o)

Attention... voila la solution ;o)
(et livrée avec le jeu de test en plus ;o)

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

<?php   $preg = '/<img[^>]+src=([\'"])?([^\'">]+)(?(1)\1|[ >])/iU';     $img = 'truc.gif'; //$img = 'avec espace.gif'; //$img = 'avec%20%vrai%espace.gif';   $test = array( "<img src=$img>", "<img src=$img >", "<img src=$img border=0>", "<img src=\"$img\">", "<img src=\"$img\" >", "<img src=\"$img\" border=0>", "<img src='$img'>", "<img src='$img' >", "<img src='$img' border=0>", "<img alt='machin' src='$img' title='chouette' border=0>", );     foreach($test as $texte) { preg_match_all ($preg, $texte, $resultats, PREG_SET_ORDER);   echo htmlspecialchars($texte).' : <br><pre>'; $resultats = @array_map('htmlspecialchars',$resultats[0]); @var_dump($resultats); if (@$resultats[2] !== $img) { echo "<b>ERREUR</b>"; } //@var_dump($resultats[2]); echo "</pre><hr>"; }   ?>

---

Donc en gros ce que ca donne en langage humain :

Citation:

---

* on recherche "<img"
* on recherche 1 ou n caracteres qui ne soient pas >
* on recherche "src="
* on recherche eventuellement le caractere ' ou " et on l'enregistre sous le nom "1"
* on recherche 1 ou n caracteres qui ne soient ni ', ni ", ni > et on les enregistrent sur le nom "2"
(c'est la que ca se complique ;o) :
* On evalue une condition : "(?(condition)masque_si_vrai|masque_si_faux)"
° La condition est : 1 ce qui veux dire : "Si on a trouvé quelque chose qui a le nom "1" (puisque on pouvait eventuellement ne rien capturer)
° Le masque_si_vrai est :
"\1" ce qui correspond a : le caractere capturé (référence arriere \1) ce qui suffit pour etre sur qu'on est arrivé au bout du nom du fichier.
° Le masque_si_faux est :
"[ >]" ce qui correspond a : un caractere qui est soit espace soit >. On a pas besoin de verifier qu'on va jusqu'a la fin de la balise, car on pourrait avoir d'autres attributs entre temps. Le fait de verifier qu'on a un espace suffit.

---

Amuse toi bien ;o)

Merci beaucoup Fladnag,

j'viens de comprendre les assertions, c'est pas si sorcier, mais faut bien savoir ou placer la condition est sur quoi effectuer le test lol.
merci pour blue :) ca me servira aussi tout ca.

C'est super ca Fladnag !

Merci beaucoup d'avoir passé du temps pour m'aider :)

C'est vrai qu'avec un bel exemple bien expliqué, on comprend tout de suite mieux ^^

Salut

Désolé pour le décalage dans la réponse, c'est que je n'ai pas le Net chez moi...

Je reviens sur ma proposition d'hier :

Code:

---

preg_match_all('/<img.+src=([^>]+)[ \/]?>/iU', $corps, $regs, PREG_SET_ORDER);

---

Oui, effectivement, elle inclut les guillemets (simples, doubles ou inexistants) car, AMHA, c'est la méthode la plus simple et elle te permet, comme je l'ai dit hier, de faire un traitement ultérieur (à la regexp) afin de rectifier les syntaxes foireuses (c'est-à-dire de remplacer les guillemets simples par des doubles ou juste de les ajouter s'ils font défaut).
Ce traitement n'est pas des plus complexes : un bête test sur le premier et le dernier caractères.
Je pense que ça vaut le coup.

[Edit]

Citation:

---

Envoyé par Fladnag

donc avec l'option U, il fait le moins de boulot possible et ne prend que le premier caracteres puisque les autres satisfont le masque suivant.

---

N'est-ce pas l'inverse ? Il me semblait que "U" signifiait Ungreedy, soit "allez, force-toi un peu mon vieux et donne-moi tout ce que tu trouves".

sur php.net :

Citation:

---

U (PCRE_UNGREEDY)

Cette option inverse la tendance à la gourmandise des expressions rationnelles. Vous pouvez aussi inverser cette tendance au coup par coup avec un ?. De même, si cette option est activée, le ? rendra gourmand une séquence. Cette option n'est pas compatible avec Perl. Elle peut aussi être mise dans le masque avec l'option ?U dans le pattern ou par un point d'interrogation avant le quantifieur (.e.g. .*?).

---

Cela veux dire que l'expression va en faire le moins possible justement.

Un exemple extrement simple ou l'utilité de U est flagrante est celle ci :

Si on considere l'expression reguliere : /<(.+)>/

qui correspond a rechercher ce qu'il y a dans une balise en gros.

Et qu'on lance ca sur :
<b><i>a</i></b>

ca va capturer "b><i>a</i></b"
car justement il prend le maximum de caracteres

Si on ajoute l'option U, il va capturer :
b, i, /i et /b ce qui correspond a ce que l'on cherche ;o)

PS : le probleme de gerer les séparateurs ulterieurement avec ta regexp c'est que si tu as :

Code:

---

<img src="avec espace.gif">

---

tu va capturer la chaine :

Code:

---

"avec

---

;o)

Ouais, j'ai l'impression que c'était une nuance de vocabulaire.

Dans ma tête à moi, "ungreedy" veut dire "allez, sois pas radin", alias "fais le plus de boulot possible" ou encore "donne-moi le plus de résultats possibles".

Selon tes termes, "ungreedy" signifie "fais-en le moins possible", sous-entendu "je veux que chaque résultat soit le plus court possible".

En fait, nous étions d'accord.
Ai-je bon ?


[Edit] En gérant les guillemets par un traitement ultérieur, ma regexp va sortir "avec espace.gif" de la chaîne <img src="avec espace.gif">.
L'idée est de trim() la chaîne avec ' et " comme paramètres optionnels, puis d'ajouter des " en début et fin de chaîne.

Citation:

---

Envoyé par Kirkis

[Edit] En gérant les guillemets par un traitement ultérieur, ma regexp va sortir "avec espace.gif" de la chaîne <img src="avec espace.gif">.
L'idée est de trim() la chaîne avec ' et " comme paramètres optionnels, puis d'ajouter des " en début et fin de chaîne.

---

Nan, le probleme c'est qu'il va s'arreter au premier espace a cause de [ \/]?, c'est pour ca qu'il ne retournera que
"avec

et pas le reste. De toute facon, si t'as <img src="avec machin.gif" border=0>, ca ne marchera forcement pas puisque si il s'arrete a l'espace, ca renvoi <<"avec>> et si il ne s'arrete pas a l'espace, il renvoi <<"avec machin.gif" border=0>>

greedy veux dire gourmand ou avide, ungreedy correspond donc au contraire, soit "si tu trouve un resultat, ne vas pas regarder si une chaine plus grande satisfait le masque", ce qui ne veux pas dire "ne regarde pas le reste de la chaine" (sinon il ne renverrais qu'un seul résultat ;o)

Lol oui, en effet, tu as raison pour l'espace.
J'arrête de faire des propositions puisque le souci originel est réglé... J'aurais bien mis [ \/]? dans la parenthèse en ajoutant / à la liste des caractères que trim() devra supprimer. Ça oblige à le concaténer à la fin avec les guillemets mais ça permet, encore une fois, de corriger la syntaxe des balises incorrectes.

Tu as raison à propos des autres attributs. C'est le souci causé par l'absence possible de guillemets.
Une solution consisterait à effectuer deux passes : la première pour les images ayant une source sans guillemets (donc pas d'espace autorisés dans le nom de fichier image) puis une seconde comportant les guillemets (et donc aussi les espaces à l'intérieur).

Sinon, c'est bien ce que je pensais, c'était sur la sémantique que nous n'étions pas d'accord mais nous voyions le même effet pour U.