[REGEXP] Suppression de tous les liens et les spans dans un code HTML

**Jibees** · 22/11/2007, 13h00

Bonjour à tous,
Je souhaite supprimer dans un code HTML tous les liens, mais aussi tous les spans.
Ma méthode fonctionnait plutot pas mal avec l'expression régulière suivante :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
 
(.*?)(<a.*?>)(.*?)</a>(.*)

Je pensais tout simplement rajouter à mon expression régulière :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

(.*?)(<span.*?>)(.*?)</span>(.*)

entouré par des [ ] ce qui donnerait :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
 
[(.*?)(<a.*?>)(.*?)</a>(.*)][(.*?)(<span.*?>)(.*?)</span>(.*)]

L'idée était donc de créer un OU entre les deux expressions ...
Malheureusement cela ne semble pas fonctionner aussi simplement que cela ...
Avez-vous une idée ? merci à tous

jb

La méthode :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
 
public static String removeBadsHtmlTags(final String text) {
		Pattern patternA = Pattern.compile(REGEX_A);
		StringBuilder toReturn = new StringBuilder();
		if (text != null) {
			Matcher matcherA = patternA.matcher(text);
			String group4A = text;
			while (matcherA.matches()) {
				toReturn.append(matcherA.group(1));
				toReturn.append(matcherA.group(3));
				group4A = matcherA.group(4);
				matcherA = matcherA.reset(group4A);
			}
			toReturn.append(group4A);
		}
		return toReturn.toString();
	}

**McFoggy** · 22/11/2007, 19h24

Salut,

en résolvant mon propre problème de REGEXP, j'ai trouvé pour le tien.

Je te poste un petit bout de code

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

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
package test;
 
public class RegexpTest {
    private static String LS = System.getProperty("line.separator");
    private static String html = "<html>" + LS +
    "  <body>" + LS +
    "    <div>" + LS +
    "      <p>Du texte : <a href=\"htpp://www.google.fr\">google</a></p><p>Du texte : <a href=\"htpp://www.google.fr\">google</a></p>" + LS +
    "      <p>Encore du texte</p>" + LS +
    "      <span>toujours du texte <a href=\"htpp://www.google.fr\">google</a></span>       <span>toujours du texte</span>" + LS +
    "      <span>toujours du texte</span>" + LS +
    "    </div>" + LS +
    "  </body>" + LS +
    "</html>";
 
    public static void main(String[] args) {
        String str = html.replaceAll("(?:<a.+?>)(.+?)(?:</a>)", "$1");
        System.out.println("deleting ANCHORS");
        System.out.println(str);
        str = str.replaceAll("(?:<span>)(.+?)(?:</span>)", "$1");
        System.out.println("deleting SPANS");
        System.out.println(str);
        System.out.println("deleting both ANCHORS & SPANS");
        System.out.println(html.replaceAll("(?:<a.+?>)(.+?)(?:</a>)|(?:<span>)(.+?)(?:</span>)", "$1$2"));
    }
}

dont le résultat d'exécution est :

Code html :

Sélectionner tout - Visualiser dans une fenêtre à part

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
deleting ANCHORS
<html>
  <body>
    <div>
      <p>Du texte : google</p><p>Du texte : google</p>
      <p>Encore du texte</p>
      <span>toujours du texte google</span>       <span>toujours du texte</span>
      <span>toujours du texte</span>
    </div>
  </body>
</html>
deleting SPANS
<html>
  <body>
    <div>
      <p>Du texte : google</p><p>Du texte : google</p>
      <p>Encore du texte</p>
      toujours du texte google       toujours du texte
      toujours du texte
    </div>
  </body>
</html>
deleting both ANCHORS & SPANS
<html>
  <body>
    <div>
      <p>Du texte : google</p><p>Du texte : google</p>
      <p>Encore du texte</p>
      toujours du texte <a href="htpp://www.google.fr">google</a>       toujours du texte
      toujours du texte
    </div>
  </body>
</html>

On voit que la troisième solution ne fonctionne que s'il n'y a pas d'imbrication de tags à supprimer.

Bon courage pour la suite.

**Jibees** · 23/11/2007, 10h24

J'ai testé rapidement en intégrant ce bout de code et je me retrouve avec une java.lang.NullPointerException
...

edition : forcément, si je suis un boulet ... j'appelais replaceAll avec une chaine vide

[REGEXP] Suppression de tous les liens et les spans dans un code HTML

Collection et Stream Java

Discussions similaires

Partager

Partager