Discussion :

[alband85]

Bonjour,

je cherche à supprimer des blocs de balises du code source d'une page HTML (par exemple <style>...</style> et tout ce qu'il y a entre ces deux balises).

Actuellement, j'utilise cette méthode, à laquelle je passe en paramètre la balise qui encadre le texte que je veux supprimer :

Code Java :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
private String ExeRegExp(String bal, String page) {
  String patternStrBase = "<(" + bal + ").*?</\\1>";
  String replacementStr = "";
  Pattern pattern = Pattern.compile(patternStrBase);
  Matcher matcher = pattern.matcher(page);
  page = matcher.replaceAll(replacementStr);
  return page;
}

Ça fonctionne parfaitement pour <style> par exemple... mais pas pour <script>.
Je l'ai testé sur le code de la page d'accueil de Google.fr : les balises <script> et </script> sont bien éliminées... mais pas ce qu'il y avait entre les deux.
En revanche, l'ensemble de la feuille de style est bien éliminé.

Je me suis certainement fourvoyé quelque part... mais où ? (d'autant que je ne maîtrise pas trop les expression régulières...)

Merci pour vos réponses !

Alban

[RegBas]

Je pense que ça a à voir avec les sauts de ligne (\n) qui sont particuliers et pas pris dans le .*?
Il faudrait que tu supprimes de ton String page toutes les occurences de \n au préalable, ce qui ne devrait pas être genant si c'est du HTML.

[adiGuba]

Salut,

Il faudrait que tu supprimes de ton String page toutes les occurences de \n au préalable, ce qui ne devrait pas être genant si c'est du HTML.

Tu peux aussi utiliser DOTALL pour spécifier que le point prennent aussi les retour à la ligne :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

Pattern pattern = Pattern.compile(patternStrBase, Pattern.DOTALL);

Je te conseillerais aussi d'utiliser CASE_INSENSITIVE pour ignorer la case.
A noter que tu peux directement utiliser respectivement (?s) et (?i) en début du pattern à la place des paramètres de la méthode compile()...



De plus je te conseillerais fortement d'utiliser Pattern.quote() autour de ton paramètre 'bal' lors de la concaténation, afin de protéger d'éventuel caractères spéciaux qui pourraient être interprété et fausser/casser ta regexp (voir FAQ : Comment empêcher les expressions régulières d'interpréter une sous-chaînes ?).



Enfin tu peux te passer des classes Pattern et Matcher puisque le replaceAll() est directement intégré à la classe String, ce qui revient au même :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
	private String exeRegExp(String bal, String page) {
		return page.replaceAll(
				"(?i)(?s)<(" + Pattern.quote(bal) + ").*?</\\1>"
				, "");
	}

a++

PS : Les noms de méthodes ne commencent pas par une majuscule

[alband85]

J'en apprends tous les jours... et je m'émerveille à chaque fois
Plus sérieusement, merci ! (y compris pour le PS)
Tout fonctionne parfaitement !