[es] - regular expression strikes again

dr ZiDoo
Web Developer
Banja Luka

Član broj: 189
Poruke: 1708
*.dialup.blic.net.

Jabber: ZiDoo@elitesecurity.org
ICQ: 299539598
Sajt: zidoo.geek.rs.ba

Profil

regular expression strikes again

^{10.09.2005. u 17:52}

Imam jedan problem i već 5 dana se patim :)=

HTML fajl:

Code:

...
<body>
<table width="100%" cellspacing="1" cellpadding="1">
  ...
</table>

<table width="150" cellspacing="1" cellpadding="1">
  ...
</table>

...

<table width="150" cellspacing="1" cellpadding="1">
  ...
</table>
...
</body<

E sada ka trenbam da pokupim sadržaj svih tabela koje imaju dužinu 150px ili ti svih tabela koje počinju: "<table width="150" cellspacing="1" cellpadding="1">".

Pokušo sam na milion načina i nijedan mi nije uspio, jednostavno uvjek ne dobijem dobar rezultat. Imali neki regexp guru, pošto meni očito ne ide...

_{[Ovu poruku je menjao dr ZiDoo dana 10.09.2005. u 18:53 GMT+1]}

tu nema kašike....

^{10.09.2005. u 17:52}

noviKorisnik

Član broj: 13216
Poruke: 4513
*.dialup.neobee.net.

Profil

Re: regular expression strikes again

^{10.09.2005. u 18:11}

Mislio si širinu 150px?

Problem mogu da ti prave ugnježdene tabele (koliko znam, to obično tako ide, tabela u tabeli dok ne dosadi).

Probaću da se poigram, dok ne naiđe neki pravi guru...

^{10.09.2005. u 18:11}

noviKorisnik

Član broj: 13216
Poruke: 4513
*.dialup.neobee.net.

Profil

Re: regular expression strikes again

^{10.09.2005. u 18:34}

Evo nešto što će naravno da pukne na ugnježđenim tabelama... za početak

Code:
<?php
header ('Content-type: text/plain');
$filename = 'withtable.html';
$filecontent = file_get_contents ($filename);
$pattern = "/<table\b(.|\n)*\bwidth=\"150\"(.|\n)*>(.|\n)*<\/table>/";
preg_match_all ($pattern, $filecontent, $result);
print_r ($result);
?>

^{10.09.2005. u 18:34}

noviKorisnik

Član broj: 13216
Poruke: 4513
*.dialup.neobee.net.

Profil

Re: regular expression strikes again

^{10.09.2005. u 18:51}

Još gore, ulovi sve do poslednjeg "</table>" :-(

^{10.09.2005. u 18:51}

dr ZiDoo
Web Developer
Banja Luka

Član broj: 189
Poruke: 1708
*.teol.net.

Jabber: ZiDoo@elitesecurity.org
ICQ: 299539598
Sajt: zidoo.geek.rs.ba

Profil

Re: regular expression strikes again

^{10.09.2005. u 21:44}

Tak nesto slicno i ja dobijem... tj. dobio sam sve moguce kombinacije osim one prave :(

tu nema kašike....

^{10.09.2005. u 21:44}

japan

Član broj: 34328
Poruke: 370
*.smin.sezampro.yu.

Profil

Re: regular expression strikes again

^{10.09.2005. u 21:56}

Citat:

noviKorisnik: Još gore, ulovi sve do poslednjeg "</table>" :-(

možda ovo pomogne:

Citat:

By default, the quantifiers are "greedy", that is, they
match as much as possible (up to the maximum number of per-
mitted times), without causing the rest of the pattern to
fail. The classic example of where this gives problems is in
trying to match comments in C programs. These appear between
the sequences /* and */ and within the sequence, individual
* and / characters may appear. An attempt to match C com-
ments by applying the pattern

/\*.*\*/

to the string

/* first command */ not comment /* second comment */

fails, because it matches the entire string due to the
greediness of the .* item.

However, if a quantifier is followed by a question mark,
then it ceases to be greedy, and instead matches the minimum
number of times possible, so the pattern

/\*.*?\*/

^{10.09.2005. u 21:56}

flylord
Ilić Aleksandar
Freedomia (direktor)
Nis/Uzice

Tehnički konsultant
Član broj: 2954
Poruke: 3394
*.pat-pool.ni.sbb.co.yu.

Jabber: flylord@elitesecurity.org
ICQ: 4849714
Sajt: blog.itseminar.org

Profil

Re: regular expression strikes again

^{10.09.2005. u 22:12}

Moglo bi da pomogne da parsiras taj html preko xml-dom f-ja ... Pre toga odradi validaciju HTML-a preko html tidy-a. A onda preko dom-a mozes da pristupis svakom elementu

GuruServe hosting

POLITEJA - Vaša dnevna doza politike

^{10.09.2005. u 22:12}

cabrilo
Dejan Cabrilo

Član broj: 4780
Poruke: 53
*.dsl.tpkaks.swbell.net.

ICQ: 7366253

Profil

Re: regular expression strikes again

^{12.09.2005. u 22:39}

Evo ti ga algoritam... Nece raditi ako imas jos neku tabelu u zeljenoj tabeli (tj. prekinuce se na prvom </table> posle pocetka citanja):

Code:

<?php
// Prvo ucitas celu stranu u $buffer
$buffer = file ("fajl");

// Gde da pocne da cita, gde da prekine
$startcode = "<table width=\"150\" cellspacing=\"1\" cellpadding=\"1\">";
$endcode = "</table>";

$entries = array ();
$counter = -1;
$read = FALSE;

// Cita samo kada je vec pronadjen pocetak, a nije pronadjen kraj.
foreach ($buffer as $line) {
    if (strstr ($line, $endcode))
        $read = FALSE;
    if ($read)
        $entries[$counter] .= $line;
    if (strstr ($line, $startcode)) {
           $read = TRUE;
        $counter++;
    }
}
?>

Posle ovoga, sve ce ti se nalaziti u arrayu $entries... Dakle $entries[0] je iz prve tabele, $entries[1] iz druge itd.

Sad, ako bi zeleo da radi sa nested tabelama, trebalo bi da uradis proveru da li je otvoren jos jedan <table> kada je $read = TRUE, i onda ne prebacujes na $read = FALSE sve dok se to ne zatvori. Dodas jos jedan counter recimo, tako da za svaku novu tabelu koja se otvori, broj se poveca, i ne prekida da cita dok N tabela nije zatvoreno. Resetujes counter na 0 kada se sve zatvore...

I nije bilo regex-a :)

^{12.09.2005. u 22:39}

noviKorisnik

Član broj: 13216
Poruke: 4513
*.dialup.neobee.net.

Profil

Re: regular expression strikes again

^{12.09.2005. u 23:14}

Ova alternativa naravno radi samo u vrlo ograničenim slučajevima.

regexpi mi deluju komplikovani da obuhvate opšti slučaj definicije tabele, gde otvarajući tag može da se rastegne u više redova, gde potrebni atributi mogu da budu navedeni proizvoljnim redosledom, gde vrednosti mogu da se zadaju u jednostrukim ili dvostrukim navodnicima, ili bez njih.

Predlog o DOM parsiranju mi se veoma dopada, žao mi je što još nisam stigao da se time poigram u PHP-u, verujem da je zabavno kao i u drugim jezicima.

^{12.09.2005. u 23:14}

WinterMute
Slobodan Jovanović
Obrenovac

Član broj: 747
Poruke: 109
217.24.18.*

ICQ: 85025545
Sajt: www.zion.co.yu

Profil

Re: regular expression strikes again

^{13.09.2005. u 08:31}

Ovaj će da radi sa bilo kojom kombinacijom ova tri property-ja ali ne kapira ugnježdene tabele...

Baš me zanima da li samo koristeći regex uopšte može da se reši problem oko ugnježdavanja...?

We look into the net, and the net is growing wide and wider.

^{13.09.2005. u 08:31}