Discussion :

[maxou2009]

Hello,

Voilà mon problème, je dois scanner un fichier HTML qui contient donc du texte et des balises <..> et effectuer le remplacement d'une chaîne de caractère par cette même chaîne de caractère mais en gras.
Tout fonctionne correctement mais si par exemple je dois remplacer la chaîne de caractère "le" il va me remplacer tous les "le" qu'il va rencontrer par "le" mais aussi dans les balises comme par exemple <table>

Donc étant donné que je ne connais pas du tout les expressions régulières je lance une bouteille à la mer pour savoir si quelqu'un peut me dire comme faire ???

[Isabella83]

Bonjour,
Ce serait peut être plus facile à comprendre s'il y avait un exemple pour comprendre ton problème

[maxou2009]

youps

ma chaine de caractere :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
$chaine = "<i>le chien</i> est très <table><tr><td>petit</td><td>grand</td></tr></table>"
$search_criteria="le"
$str_replace="<b>le</b>"

$resultat = str_replace($search_criteria, $str_replace, $chaine)

$resultat = "<i><b>le</b> chien</i> est très <tab<b>le</b>><tr><td>petit</td><td>grand</td></tr></tab<b>le</b>>"

Alors que moi je voudrais le résultat suivant :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

$resultat = "<i><b>le</b> chien</i> est très <table><tr><td>petit</td><td>grand</td></tr></table>"

J'espère avoir été clair dans mon exemple !

[brice45]

Bonjour,

Le motif que tu recherches est présent entre 2 balises : 1 fermante et une entrante ce qui donne >motif<

Tu peux essayer cela :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
$search_criteria=">le<"
$str_replace="<b>le</b>"

[maxou2009]

oui mais si je recherche ">le<" il ne va jamais me remplacer le de ">le chien<" ?
C'est pour cela que je me disais qu'une expression régulière pourrait peut être solutionner les choses non ?

[brice45]

ok je comprends voici un début de code que tu peux améliorer si besoin :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
if ($chaine =~ /\>(.*)\</i)
	$motif = $1;
	if ($motif =~ /$search_criteria/i) {
		$chaine =~ s/$search_criteria/\<b\>$search_criteria\<\/b\>/ig;
	}

[brice45]

avec les accolades c'est mieux

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
if ($chaine =~ /\>(.*)\</i) {
	$motif = $1;
	if ($motif =~ /$search_criteria/i) {
		$chaine =~ s/$search_criteria/\<b\>$search_criteria\<\/b\>/ig;
	}
}

[maxou2009]

merci je vais regarder ça et tester mais peux tu me dire à quoi correspond le $1 ?

[brice45]

$1 est une variable qui récupère le contenu entre parenthèses de ton expression régulière

[Lolo78]

Je ne pense pas que ça va marcher.

L'expression:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

if ($chaine =~ /\>(.*)\</i) {

va "gober" tout ce qu'elle peut parce que "/\>(.*)\</" est "gourmand" et essaie donc de faire la reconnaissance maximale.

Dans la chaîne

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

"<i>le chien</i> est très <table><tr><td>petit</td><td>grand</td></tr></table>"

cette expression régulière va reconnaître:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

le chien</i> est très <table><tr><td>petit</td><td>grand</td></tr>

Ce qui n'est pas ce qui est désiré.

Par ailleurs, il n'est pas utile de mettre un caractère d'échappement devant les '<' et '>'.

Je partirais plutôt sur une expression régulière comme:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

if ($chaine =~  />([^<]*)/i) {

qui reconnaître un '>" suivi du plus grande nombre possible de caractères autres que '>', et s'arrêtera donc bien à la prochaine balise.

L'alternative est de choisir une reconnaissance non gourmande.

La suite du code demande également à être affinée, telle quelle, elle risque de faire de mauvaises substitutions.

[Lolo78]

Pour suivre la logique proposée par Brice, j'essaierais quelque chose comme cela:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
if ($chaine =~  />([^<]*)/i) {
     $motif = ">$1<";
     $motif_repl = $motif;
     $motig_repl =~ s/le/<b>le</b>/gi;
     $chaine =~ s/$motif/$motif_repl/ig;
}

Il faut ensuite reprendre la substitution à l'endroit où on est arrivé.

[Lolo78]

Voici une version corrigée de deux petites fautes de frappe et testée:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
$chaine = "<i>le chien</i> est très le <table><tr><td>petit</td><td>grand</td></tr></table>";
if ($chaine =~  />([^<]*)/ig) {
     $motif = ">$1<";
     $motif_repl = $motif;
     $motif_repl =~ s/le/<b>le<\/b>/gi;
     $chaine =~ s/$motif/$motif_repl/ig;
}
print $chaine;

ce qui imprime:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

<i><b>le</b> chien</i> est très le <table><tr><td>petit</td> <td>grand</td></tr></table>

Mais cela ne fera la substitution qu'une seule fois. S'il y a plusieurs "le" dans la phrase il faut faire une reconnaissance progressive (dans une boucle while, avec le modificateur "c").

Ici, j'ai ajouté arbitrairement deux "le" dans la phrase (qui n'a plus de sens, mais c'est juste pour démontrer le fonctionnement). J'ai aussi modifié l'expression régulière pour utiliser un quantificateur non gourmand au lieu d'une classe de caractère : /(>.+?<)/igc.

J'ai aussi mis un +? au lieu d'un *? comme quantificateur non gourmand pour optimiser (ne pas entrer inutilement dans la boucle pour une reconnaissance de "><").

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
$chaine = "<i>le chien</i> est très le <table><tr><td>petit</td><td>le grand</td></tr></table>";
while ($chaine =~  /(>.+?<)/igc) {
	 $motif = $1;
     $motif_repl = $motif;
     $motif_repl =~ s/le/<b>le<\/b>/gi;
     if ($motif ne $motif_repl) {
     	push @mot, $motif;
     	push @mot_repl, $motif_repl;
     }
}
while ($motif = pop @mot) {
	$motif_repl = pop @mot_repl;
	$chaine =~s/$motif/$motif_repl/gi;
}
print $chaine;

Ce qui me donne:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

<i><b>le</b> chien</i> est très <b>le</b> <table><tr><td>petit</td><td><b>le</b> grand</td></tr></table>

[djibril]

Bonjour à tous,

Comme je l'ai déjà dit dans une autre discussion pour l'analyse de fichier XML, il en est de même pour les fichiers HTML. Il est absolument important d'utiliser un vrai parseur pour analyser des fichiers HTML (donc balisés). Utiliser des expressions régulières est amusant mais non maintenable car on arrive toujours à des cas tordus.
Il existe des modules performant sur le CPAN dont l'utilité a été confirmée.

Faites une recherche sur ce même forum et vous trouverez surement des discussion où je parle de l'utilisation de certains modules.

[Lolo78]

Tu as raison, Djibril, l'utilisation des modules ad hoc est bien meilleure, mais il me paraissait de rectifier certaines erreurs courantes sur les expressions régulières.

[brice45]

Bien reçu Djibril pour utiliser le CPAN et merci pour tous tes conseils Lolo78