Eviter les balises HTML dans une requête SQL

Version imprimable

10/09/2019, 10h14
Freedolphin

Eviter les balises HTML dans une requête SQL

Bonjour à tous,

J'ai un petit moteur de recherche interne qui va chercher le contenu texte d'une colonne, mais je souhaiterais qu'il ne tienne pas compte des balises HTML.
Exemple : si je cherche le mot "target", il va faire ressortir les textes contenant un lien du type <a href="url" target="_blank">.
Existe-t-il un moyen pour que la recherche ne s'effectue pas sur du texte contenu entre ces balises ?

Merci d'avance pour vos pistes éclairées !
10/09/2019, 11h49
Dendrite

Bonjour, ceci semble répondre à ta demande ?

https://www.php.net/strip-tags

edit :

Ou plus exactement, cette fonction faite par un développeur (commentaire 40, si elle fonctionne, elle donne exactement ce que tu cherches).
https://www.php.net/manual/fr/functi...ags.php#110280
10/09/2019, 12h06
Freedolphin

Merci Dendrite mais strip_tags empêche l'affichage du code html. Ce que je cherche à éviter, c'est que la requête balaie le texte compris dans des balises.
Je vais regarder plus attentivement la fonction envoyée, mais a priori, c'est la même chose, elle modifie l'affichage en supprimant les balises html.
10/09/2019, 13h09
Invité
Bonjour,

Je ne vois pas ce qui t'empêche de :
- Faire la recherche sur le texte sans balises (strip_tags)
- Afficher le texte formaté (avec balises) concerné
10/09/2019, 14h42
Invité
Bon,
après moult tentatives infructueuses, il semble qu'on puisse s'en sortir directement dans la requête SQL :
Code:

1 2 3 4 5 6 7 SELECT * FROM ma_table WHERE le_texte_html LIKE '%le_mot%' AND le_texte_html NOT REGEXP '.*<[^>]*le_mot[^>]*>.*' ;
[EDIT] Argh...
Ça ne va pas fonctionner comme voulu si le mot est à la fois dans et en dehors des balises.
ex. <a href="le_mot.php">le_mot</a>.
:calim2:
10/09/2019, 15h17
Freedolphin

Faire la recherche sur le texte avec strip_tags, je ne vois pas comment.
En revanche, je retiens ta proposition de code avec NOT REGEXP.

EDIT :
Argh également : en effet, ça ne trouve pas les mots répétés dans et hors balise.

Alors on passe en mode "bourrin", à la "RAMBO" :

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
SELECT *
FROM ma_table
WHERE
(
	le_texte_html LIKE '%le_mot%'
  AND
	le_texte_html NOT REGEXP '.*<[^>]*le_mot[^>]*>.*'
)
OR
(
	le_texte_html LIKE '%le_mot%le_mot%'
  AND
	le_texte_html REGEXP '.*<[^>]*le_mot[^>]*>.*'
)
;

re-Arghhh....
Non plus... si le mot est DANS DEUX balises ! :marteau:
ex. : <a href="le_mot.php?var=1">truc</a>...<a href="le_mot.php?var=2">machin</a>.

Sinon, j'ai trouvé ça : How to remove HTML tag using SQL?

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
CREATE FUNCTION dbo.RemoveTag (@String VARCHAR(MAX))
RETURNS VARCHAR(MAX) AS
BEGIN
    DECLARE @Start INT
    DECLARE @End INT
    DECLARE @Length INT
 
SET @Start = CHARINDEX('&lt;',@String)
SET @End = CHARINDEX('&gt;',@String,CHARINDEX('&lt;',@String))
SET @Length = (@End - @Start) + 1
 
WHILE @Start &gt; 0 AND @End &gt; 0 AND @Length &gt; 0
    BEGIN
        SET @String = STUFF(@String,@Start,@Length,'')
        SET @Start = CHARINDEX('&lt;',@String)
        SET @End = CHARINDEX('&gt;',@String,CHARINDEX('&lt;',@String))
        SET @Length = (@End - @Start) + 1
    END
 
    RETURN LTRIM(RTRIM(@String))
END)

Mais là, ça dépasse mes compétences.

10/09/2019, 15h40
Freedolphin

En effet, c'est un peu "bourrin" :) (c'était pas ma guerre...)
Je ne rejette pas l'idée mais je vais essayer de creuser un truc un peu plus propre, surtout que ce n'est pas la seule condition (il y a recherche sur plusieurs colonnes), le tout pour plusieurs mots (recherche découpée en mots clés).
Ca risque de faire une requête de 2 km de long...

Pour la fonction Removetag, là, j'avoue que c'est en dehors de mes compétences, je ne comprends pas le code.
10/09/2019, 15h51
Invité
Autre axe de recherche :

1- créer une nouvelle colonne le_texte_txt.
2- boucler sur toutes les lignes,
3- et tester (en PHP) sur OU faire un UPDATE de la table (et tester sur la colonne colonne le_texte_txt)

Code:

$le_texte_txt = strip_tags($row['le_texte_html']);

Mais là, c'est du "bourrin 2ème Dan".

J'avais aussi cherché du coté des REGEX en SQL, mais il semble que ça manque cruellement de fonctions avec REGEX...
- REPLACE() ne prend pas les regex
- REGEXP_REPLACE() semble être juste pour Oracle.
- ...
Ça aurait pourtant pu faire la farce.
10/09/2019, 15h58
Freedolphin

Merci infiniment pour tous tes efforts, mais en effet, ça me semble un peu poussif... :?
11/09/2019, 13h33
CosmoKnacki

Citation:

Envoyé par jreaux62

Autre axe de recherche :

1- créer une nouvelle colonne le_texte_txt.
2- boucler sur toutes les lignes,
3- et tester (en PHP) sur OU faire un UPDATE de la table (et tester sur la colonne colonne le_texte_txt)

Code:

$le_texte_txt = strip_tags($row['le_texte_html']);

Mais là, c'est du "bourrin 2ème Dan".

Moi, je ne trouve pas ça bourrin du tout et ajouter une colonne avec le texte brut est pour moi la seule méthode qui vaille (à part peut-être en allant encore plus loin et en créant une table de mots-clés et une table pour associer les ids des mots-clefs avec ceux des textes, c'est plus performant mais moins souple).

Citation:

Envoyé par Freedolphin

Merci infiniment pour tous tes efforts, mais en effet, ça me semble un peu poussif...

Ça n'a rien de poussif, c'est clairement la bonne façon de faire.
11/09/2019, 13h46
Freedolphin

En effet, "poussif" n'est peut-être pas le bon mot, disons plutôt "contraignant".
Cela m'oblige à dupliquer tous les textes dans une nouvelle colonne, et à prévoir l'incrémentation de cette nouvelle colonne pour les prochaines pages.
C'est faisable, mais je pensais qu'une petite fonction sql pouvait exister.
11/09/2019, 14h11
Invité
1-

Citation:

Envoyé par CosmoKnacki

Moi, je ne trouve pas ça bourrin du tout....

@CosmoKnacki
Là où c'est "bourrin", c'est de faire l'UPDATE de toute la table à chaque recherche !

La bonne méthode serait :
- de remplir la colonne le_text_txt au moment du TRAITEMENT d'AJOUT/MODIFICATION de l'"article" !
- tout en mettant le texte formaté dans la colonne le_texte_html, qui servira pour l'affichage
De fait, au moment de la recherche, on utilise directement cette colonne le_text_txt.

Donc, techniquement, il suffit de :
- modifier les scripts INSERT / UPDATE des "articles"
- faire un UPDATE de la table (1 seule fois), pour les "articles" déjà créés.
2-

Citation:

Envoyé par Freedolphin

...mais je pensais qu'une petite fonction sql pouvait exister.

Comme je l'ai dit, il manque de fonction SQL avec REGEX.
- REGEXP_REPLACE() peut faire le job, mais n'existe (à priori) que pour Oracle.
On pourrait, avec une telle fonction SQL, obtenir un équivalent strip_tags() (donc, le texte "nettoyé" des balises HTML), sur lequel faire la recherche, SANS avoir besoin de l'enregistrer en BDD.

3- Pour ma part, j'ai fini par..... ignorer ce problème. :aie:
11/09/2019, 14h25
Freedolphin

En effet, cette méthode est propre et efficace, elle demande juste un peu de temps et d'organisation, mais c'est une bonne solution.
Merci à vous deux.

Quant à ignorer le problème, c'est une option, mais ce n'est pas le genre de la maison, j'aime perfectionner la pertinence des résultats d'un moteur.

Au moins, j'ai maintenant la certitude que la fonction que j'avais en tête n'existe pas. Etonnant à notre époque, mais comme quoi, il reste des trucs à inventer.
11/09/2019, 14h32
Invité

De toute façon, avec une fonction comme REGEXP_REPLACE() dans une requête SQL, ça risque de réduire fortement les performances (d'autant plus si ça doit s'appliquer à plusieurs colonnes).

Alors, que CONCEVOIR correctement la table (avec le_text_html et le_text_txt) est tout-à-fait performant, puisque tout a été prévu en amont.
11/09/2019, 20h12
CosmoKnacki
Citation:
Envoyé par jreaux62

La bonne méthode serait :

de remplir la colonne le_text_txt au moment du TRAITEMENT d'AJOUT/MODIFICATION de l'"article" !
tout en mettant le texte formaté dans la colonne le_texte_html, qui servira pour l'affichage

De fait, au moment de la recherche, on utilise directement cette colonne le_text_txt.

Donc, techniquement, il suffit de :

modifier les scripts INSERT / UPDATE des "articles"
faire un UPDATE de la table (1 seule fois), pour les "articles" déjà créés.
Je croyais que c'était ce que tu suggérais dans ton précédent post (et ce que j'avais en tête).