| 1 | <?php
|
|---|
| 2 | /**
|
|---|
| 3 | * Logiciel : HTML2PDF - classe ParsingHTML
|
|---|
| 4 | *
|
|---|
| 5 | * Convertisseur HTML => PDF, utilise fpdf de Olivier PLATHEY
|
|---|
| 6 | * Distribué sous la licence GPL.
|
|---|
| 7 | *
|
|---|
| 8 | * @author Laurent MINGUET <webmaster@spipu.net>
|
|---|
| 9 | * @version 3.21 - 05/05/2009
|
|---|
| 10 | */
|
|---|
| 11 |
|
|---|
| 12 | if (!defined('__CLASS_PARSINGHTML__'))
|
|---|
| 13 | {
|
|---|
| 14 | define('__CLASS_PARSINGHTML__', true);
|
|---|
| 15 |
|
|---|
| 16 | class parsingHTML
|
|---|
| 17 | {
|
|---|
| 18 | var $html = ''; // code HTML à parser
|
|---|
| 19 | var $code = array(); // code HTML parsé
|
|---|
| 20 | var $num = 0; // numéro de table
|
|---|
| 21 | var $level = 0; // niveaux de table
|
|---|
| 22 |
|
|---|
| 23 | /**
|
|---|
| 24 | * Constructeur
|
|---|
| 25 | *
|
|---|
| 26 | * @return null
|
|---|
| 27 | */
|
|---|
| 28 | function parsingHTML()
|
|---|
| 29 | {
|
|---|
| 30 | $this->num = 0;
|
|---|
| 31 | $this->level = array($this->num);
|
|---|
| 32 | $this->html = '';
|
|---|
| 33 | $this->code = array();
|
|---|
| 34 | }
|
|---|
| 35 |
|
|---|
| 36 | /**
|
|---|
| 37 | * Définir le code HTML à parser
|
|---|
| 38 | *
|
|---|
| 39 | * @param string code html
|
|---|
| 40 | * @return null
|
|---|
| 41 | */
|
|---|
| 42 | function setHTML($html)
|
|---|
| 43 | {
|
|---|
| 44 | $html = preg_replace('/<!--(.*)-->/isU', '', $html);
|
|---|
| 45 | $this->html = $html;
|
|---|
| 46 | }
|
|---|
| 47 |
|
|---|
| 48 | /**
|
|---|
| 49 | * parser le code HTML
|
|---|
| 50 | *
|
|---|
| 51 | * @return null
|
|---|
| 52 | */
|
|---|
| 53 | function parse()
|
|---|
| 54 | {
|
|---|
| 55 | $parents = array();
|
|---|
| 56 | // récupérer le code à parser
|
|---|
| 57 | $content = $this->html;
|
|---|
| 58 |
|
|---|
| 59 | // chercher les balises HTML du code
|
|---|
| 60 | $tmp = array();
|
|---|
| 61 | $this->searchCode($content, $tmp);
|
|---|
| 62 |
|
|---|
| 63 | // identifier les balises une à une
|
|---|
| 64 | $pre_in = false;
|
|---|
| 65 | $pre_br = array(
|
|---|
| 66 | 'name' => 'br',
|
|---|
| 67 | 'close' => false,
|
|---|
| 68 | 'param' => array(
|
|---|
| 69 | 'style' => array(),
|
|---|
| 70 | 'num' => 0
|
|---|
| 71 | )
|
|---|
| 72 | );
|
|---|
| 73 |
|
|---|
| 74 | $todos = array();
|
|---|
| 75 | foreach($tmp as $part)
|
|---|
| 76 | {
|
|---|
| 77 | // si c'est un texte
|
|---|
| 78 | if ($part[0]=='txt')
|
|---|
| 79 | {
|
|---|
| 80 | // enregistrer l'action correspondante
|
|---|
| 81 | if (!$pre_in)
|
|---|
| 82 | {
|
|---|
| 83 | if (trim($part[1])!=='')
|
|---|
| 84 | {
|
|---|
| 85 | // remplacer tous les espaces, tabulations, saufs de ligne multiples par de simples espaces
|
|---|
| 86 | $part[1] = preg_replace('/([\s]+)/is', ' ', $part[1]);
|
|---|
| 87 |
|
|---|
| 88 | $todos[] = array(
|
|---|
| 89 | 'name' => 'write',
|
|---|
| 90 | 'close' => false,
|
|---|
| 91 | 'param' => array('txt' => $part[1]),
|
|---|
| 92 | );
|
|---|
| 93 | }
|
|---|
| 94 | }
|
|---|
| 95 | else
|
|---|
| 96 | {
|
|---|
| 97 | $part[1] = str_replace("\r", '', $part[1]);
|
|---|
| 98 | $part[1] = explode("\n", $part[1]);
|
|---|
| 99 |
|
|---|
| 100 | foreach($part[1] as $k => $txt)
|
|---|
| 101 | {
|
|---|
| 102 | $txt = str_replace("\t", ' ', $txt);
|
|---|
| 103 | $txt = str_replace(' ', ' ', $txt);
|
|---|
| 104 | if ($k>0) $todos[] = $pre_br;
|
|---|
| 105 |
|
|---|
| 106 | $todos[] = array(
|
|---|
| 107 | 'name' => 'write',
|
|---|
| 108 | 'close' => false,
|
|---|
| 109 | 'param' => array('txt' => $txt),
|
|---|
| 110 | );
|
|---|
| 111 | }
|
|---|
| 112 | }
|
|---|
| 113 | }
|
|---|
| 114 | // sinon, analyser le code
|
|---|
| 115 | else
|
|---|
| 116 | {
|
|---|
| 117 | $res = $this->analiseCode($part[1]);
|
|---|
| 118 | if ($res)
|
|---|
| 119 | {
|
|---|
| 120 | if (!in_array($res['name'], array('br', 'hr', 'img', 'input', 'link', 'option')))
|
|---|
| 121 | {
|
|---|
| 122 | if ($res['close'])
|
|---|
| 123 | {
|
|---|
| 124 | if (count($parents)<1)
|
|---|
| 125 | HTML2PDF::makeError(3, __FILE__, __LINE__, $res['name']);
|
|---|
| 126 | else if ($parents[count($parents)-1]!=$res['name'])
|
|---|
| 127 | HTML2PDF::makeError(4, __FILE__, __LINE__, $parents);
|
|---|
| 128 | else
|
|---|
| 129 | unset($parents[count($parents)-1]);
|
|---|
| 130 | }
|
|---|
| 131 | else
|
|---|
| 132 | {
|
|---|
| 133 | $parents[count($parents)] = $res['name'];
|
|---|
| 134 | }
|
|---|
| 135 | }
|
|---|
| 136 | if ($res['name']=='pre' || $res['name']=='code')
|
|---|
| 137 | {
|
|---|
| 138 | $pre_in = !$res['close'];
|
|---|
| 139 | }
|
|---|
| 140 | $todos[] = $res;
|
|---|
| 141 | }
|
|---|
| 142 | }
|
|---|
| 143 | }
|
|---|
| 144 |
|
|---|
| 145 | // pour chaque action identifiée, il faut nettoyer le début et la fin des textes
|
|---|
| 146 | // en fonction des balises qui l'antourent.
|
|---|
| 147 | $nb = count($todos);
|
|---|
| 148 | for($k=0; $k<$nb; $k++)
|
|---|
| 149 | {
|
|---|
| 150 | //si c'est un texte
|
|---|
| 151 | if ($todos[$k]['name']=='write')
|
|---|
| 152 | {
|
|---|
| 153 | // et qu'une balise spécifique le précède => on nettoye les espaces du début du texte
|
|---|
| 154 | if ($k>0 && in_array($todos[$k-1]['name'], array('table', 'tr', 'td', 'th', 'br', 'div', 'hr', 'p', 'ul', 'ol', 'li')))
|
|---|
| 155 | $todos[$k]['param']['txt'] = preg_replace('/^([\s]*)([^\s])/isU', '$2', $todos[$k]['param']['txt']);
|
|---|
| 156 |
|
|---|
| 157 | // et qu'une balise spécifique le suit => on nettoye les espaces de la fin du texte
|
|---|
| 158 | if ($k<count($todos)-1 && in_array($todos[$k+1]['name'], array('table', 'tr', 'td', 'th', 'br', 'div', 'hr', 'p', 'ol', 'ul', 'li')))
|
|---|
| 159 | $todos[$k]['param']['txt'] = preg_replace('/([^\s])([\s]*)$/isU', '$1', $todos[$k]['param']['txt']);
|
|---|
| 160 | }
|
|---|
| 161 | }
|
|---|
| 162 | if (count($parents)) HTML2PDF::makeError(5, __FILE__, __LINE__, $parents);
|
|---|
| 163 |
|
|---|
| 164 | // liste des actions sauvée
|
|---|
| 165 | $this->code = $todos;
|
|---|
| 166 | }
|
|---|
| 167 |
|
|---|
| 168 | /**
|
|---|
| 169 | * parser le code HTML
|
|---|
| 170 | *
|
|---|
| 171 | * @param string contenu à parser.
|
|---|
| 172 | * @param &array tableau de retour des données
|
|---|
| 173 | * @return null
|
|---|
| 174 | */
|
|---|
| 175 | function searchCode($content, &$tmp)
|
|---|
| 176 | {
|
|---|
| 177 | // séparer les balises du texte
|
|---|
| 178 | $tmp = array();
|
|---|
| 179 | $reg = '/(<[^>]+>)|([^<]+)+/isU';
|
|---|
| 180 |
|
|---|
| 181 | // pour chaque élément trouvé :
|
|---|
| 182 | $str = '';
|
|---|
| 183 | $offset = 0;
|
|---|
| 184 | while(preg_match($reg, $content, $parse, PREG_OFFSET_CAPTURE, $offset))
|
|---|
| 185 | {
|
|---|
| 186 | // si une balise a été détectée
|
|---|
| 187 | if ($parse[1][0])
|
|---|
| 188 | {
|
|---|
| 189 | // sauvegarde du texte précédent si il existe
|
|---|
| 190 | if ($str!=='') $tmp[] = array('txt',$str);
|
|---|
| 191 |
|
|---|
| 192 | // sauvegarde de la balise
|
|---|
| 193 | $tmp[] = array('code',trim($parse[1][0]));
|
|---|
| 194 |
|
|---|
| 195 | // initialisation du texte suivant
|
|---|
| 196 | $str = '';
|
|---|
| 197 | }
|
|---|
| 198 | else
|
|---|
| 199 | {
|
|---|
| 200 | // ajout du texte à la fin de celui qui est déjà détecté
|
|---|
| 201 | $str.= $parse[2][0];
|
|---|
| 202 | }
|
|---|
| 203 | // Update offset to the end of the match
|
|---|
| 204 | $offset = $parse[0][1] + strlen($parse[0][0]);
|
|---|
| 205 | unset($parse);
|
|---|
| 206 | }
|
|---|
| 207 | // si un texte est présent à la fin, on l'enregistre
|
|---|
| 208 | if ($str!='') $tmp[] = array('txt',$str);
|
|---|
| 209 | unset($str);
|
|---|
| 210 | }
|
|---|
| 211 |
|
|---|
| 212 | /**
|
|---|
| 213 | * analyse une balise HTML
|
|---|
| 214 | *
|
|---|
| 215 | * @param string code HTML à identifier
|
|---|
| 216 | * @return array action correspondante
|
|---|
| 217 | */
|
|---|
| 218 | function analiseCode($code)
|
|---|
| 219 | {
|
|---|
| 220 | // nom de la balise et ouverture ou fermeture
|
|---|
| 221 | $balise = '<([\/]{0,1})([_a-z0-9]+)([\/>\s]+)';
|
|---|
| 222 | preg_match('/'.$balise.'/isU', $code, $match);
|
|---|
| 223 | $close = ($match[1]=='/' ? true : false);
|
|---|
| 224 | $name = strtolower($match[2]);
|
|---|
| 225 |
|
|---|
| 226 | // paramètres obligatoires en fonction du nom de la balise
|
|---|
| 227 | $param = array();
|
|---|
| 228 | $param['style'] = '';
|
|---|
| 229 | if ($name=='img') { $param['alt'] = ''; $param['src'] = ''; }
|
|---|
| 230 | if ($name=='a') { $param['href'] = ''; }
|
|---|
| 231 |
|
|---|
| 232 | // lecture des paramétres du type nom=valeur
|
|---|
| 233 | $prop = '([a-zA-Z0-9_]+)=([^"\'\s>]+)';
|
|---|
| 234 | preg_match_all('/'.$prop.'/is', $code, $match);
|
|---|
| 235 | for($k=0; $k<count($match[0]); $k++)
|
|---|
| 236 | $param[trim(strtolower($match[1][$k]))] = trim($match[2][$k]);
|
|---|
| 237 |
|
|---|
| 238 | // lecture des paramétres du type nom="valeur"
|
|---|
| 239 | $prop = '([a-zA-Z0-9_]+)=["]([^"]*)["]';
|
|---|
| 240 | preg_match_all('/'.$prop.'/is', $code, $match);
|
|---|
| 241 | for($k=0; $k<count($match[0]); $k++)
|
|---|
| 242 | $param[trim(strtolower($match[1][$k]))] = trim($match[2][$k]);
|
|---|
| 243 |
|
|---|
| 244 | // lecture des paramétres du type nom='valeur'
|
|---|
| 245 | $prop = "([a-zA-Z0-9_]+)=[']([^']*)[']";
|
|---|
| 246 | preg_match_all('/'.$prop.'/is', $code, $match);
|
|---|
| 247 | for($k=0; $k<count($match[0]); $k++)
|
|---|
| 248 | $param[trim(strtolower($match[1][$k]))] = trim($match[2][$k]);
|
|---|
| 249 |
|
|---|
| 250 | // mise en conformité en style de chaque paramètre
|
|---|
| 251 | $color = "#000000";
|
|---|
| 252 | $border = null;
|
|---|
| 253 | foreach($param as $key => $val)
|
|---|
| 254 | {
|
|---|
| 255 | $key = strtolower($key);
|
|---|
| 256 | switch($key)
|
|---|
| 257 | {
|
|---|
| 258 | case 'width':
|
|---|
| 259 | unset($param[$key]);
|
|---|
| 260 | $param['style'] = 'width: '.$val.'px; '.$param['style'];
|
|---|
| 261 | break;
|
|---|
| 262 |
|
|---|
| 263 | case 'align':
|
|---|
| 264 | if ($name!=='table')
|
|---|
| 265 | {
|
|---|
| 266 | unset($param[$key]);
|
|---|
| 267 | $param['style'] = 'text-align: '.$val.'; '.$param['style'];
|
|---|
| 268 | }
|
|---|
| 269 | break;
|
|---|
| 270 |
|
|---|
| 271 | case 'valign':
|
|---|
| 272 | unset($param[$key]);
|
|---|
| 273 | $param['style'] = 'vertical-align: '.$val.'; '.$param['style'];
|
|---|
| 274 | break;
|
|---|
| 275 |
|
|---|
| 276 | case 'height':
|
|---|
| 277 | unset($param[$key]);
|
|---|
| 278 | $param['style'] = 'height: '.$val.'px; '.$param['style'];
|
|---|
| 279 | break;
|
|---|
| 280 |
|
|---|
| 281 | case 'bgcolor':
|
|---|
| 282 | unset($param[$key]);
|
|---|
| 283 | $param['style'] = 'background: '.$val.'; '.$param['style'];
|
|---|
| 284 | break;
|
|---|
| 285 |
|
|---|
| 286 | case 'bordercolor':
|
|---|
| 287 | unset($param[$key]);
|
|---|
| 288 | $color = $val;
|
|---|
| 289 | break;
|
|---|
| 290 |
|
|---|
| 291 | case 'border':
|
|---|
| 292 | unset($param[$key]);
|
|---|
| 293 | if (preg_match('/^[0-9]$/isU', $val)) $val = $val.'px';
|
|---|
| 294 | $border = $val;
|
|---|
| 295 | break;
|
|---|
| 296 |
|
|---|
| 297 | case 'cellpadding':
|
|---|
| 298 | case 'cellspacing':
|
|---|
| 299 | if (preg_match('/^([0-9]+)$/isU', $val)) $param[$key] = $val.'px';
|
|---|
| 300 | break;
|
|---|
| 301 |
|
|---|
| 302 | case 'colspan':
|
|---|
| 303 | case 'rowspan':
|
|---|
| 304 | $val = preg_replace('/[^0-9]/isU', '', $val);
|
|---|
| 305 | if (!$val) $val = 1;
|
|---|
| 306 | $param[$key] = $val;
|
|---|
| 307 | break;
|
|---|
| 308 | }
|
|---|
| 309 | }
|
|---|
| 310 | if ($border!==null)
|
|---|
| 311 | {
|
|---|
| 312 | if ($border) $param['style'] = 'border: solid '.$border.' '.$color.'; '.$param['style'];
|
|---|
| 313 | else $param['style'] = 'border: none';
|
|---|
| 314 | }
|
|---|
| 315 |
|
|---|
| 316 | // lecture des styles - décomposition
|
|---|
| 317 | $styles = explode(';', $param['style']);
|
|---|
| 318 | $param['style'] = array();
|
|---|
| 319 | foreach($styles as $style)
|
|---|
| 320 | {
|
|---|
| 321 | $tmp = explode(':', $style);
|
|---|
| 322 | if (count($tmp)>1)
|
|---|
| 323 | {
|
|---|
| 324 | $cod = $tmp[0]; unset($tmp[0]); $tmp = implode(':', $tmp);
|
|---|
| 325 | $param['style'][trim(strtolower($cod))] = preg_replace('/[\s]+/isU', ' ', trim($tmp));
|
|---|
| 326 | }
|
|---|
| 327 | }
|
|---|
| 328 |
|
|---|
| 329 | // détermination du niveau de table pour les ouverture, avec ajout d'un level
|
|---|
| 330 | if (in_array($name, array('ul', 'ol', 'table')) && !$close)
|
|---|
| 331 | {
|
|---|
| 332 | $this->num++;
|
|---|
| 333 | $this->level[count($this->level)] = $this->num;
|
|---|
| 334 | }
|
|---|
| 335 |
|
|---|
| 336 | // attribution du niveau de table où se trouve l'élément
|
|---|
| 337 | if (!isset($param['num'])) $param['num'] = $this->level[count($this->level)-1];
|
|---|
| 338 |
|
|---|
| 339 | // pour les fins de table : suppression d'un level
|
|---|
| 340 | if (in_array($name, array('ul', 'ol', 'table')) && $close)
|
|---|
| 341 | {
|
|---|
| 342 | unset($this->level[count($this->level)-1]);
|
|---|
| 343 | }
|
|---|
| 344 |
|
|---|
| 345 | // retour de l'action identifiée
|
|---|
| 346 | return array('name' => $name, 'close' => $close ? 1 : 0, 'param' => $param);
|
|---|
| 347 | }
|
|---|
| 348 |
|
|---|
| 349 | // récupérer un niveau complet d'HTML entre une ouverture de balise et la fermeture correspondante
|
|---|
| 350 | function getLevel($k)
|
|---|
| 351 | {
|
|---|
| 352 | // si le code n'existe pas : fin
|
|---|
| 353 | if (!isset($this->code[$k])) return '';
|
|---|
| 354 |
|
|---|
| 355 | // quelle balise faudra-t-il détecter
|
|---|
| 356 | $detect = $this->code[$k]['name'];
|
|---|
| 357 |
|
|---|
| 358 | $level = 0; // niveau de profondeur
|
|---|
| 359 | $end = false; // etat de fin de recherche
|
|---|
| 360 | $code = ''; // code extrait
|
|---|
| 361 |
|
|---|
| 362 | // tant que c'est pas fini, on boucle
|
|---|
| 363 | while (!$end)
|
|---|
| 364 | {
|
|---|
| 365 | // action courante
|
|---|
| 366 | $row = $this->code[$k];
|
|---|
| 367 |
|
|---|
| 368 | // si write => on ajoute le texte
|
|---|
| 369 | if ($row['name']=='write')
|
|---|
| 370 | {
|
|---|
| 371 | $code.= $row['param']['txt'];
|
|---|
| 372 | }
|
|---|
| 373 | // sinon, c'est une balise html
|
|---|
| 374 | else
|
|---|
| 375 | {
|
|---|
| 376 | $not = false; // indicateur de non prise en compte de la balise courante
|
|---|
| 377 |
|
|---|
| 378 | // si c'est la balise que l'on cherche
|
|---|
| 379 | if ($row['name']==$detect)
|
|---|
| 380 | {
|
|---|
| 381 | if ($level==0) { $not = true; } // si on est à la premiere balise : on l'ignore
|
|---|
| 382 | $level+= ($row['close'] ? -1 : 1); // modification du niveau en cours en fonction de l'ouvertre / fermeture
|
|---|
| 383 | if ($level==0) { $not = true; $end = true; } // si on est au niveau 0 : on a fini
|
|---|
| 384 | }
|
|---|
| 385 |
|
|---|
| 386 | // si on doit prendre en compte la balise courante
|
|---|
| 387 | if (!$not)
|
|---|
| 388 | {
|
|---|
| 389 | // ecriture du code HTML de la balise
|
|---|
| 390 | $code.= '<'.($row['close'] ? '/' : '').$row['name'];
|
|---|
| 391 | foreach($row['param'] as $key => $val)
|
|---|
| 392 | {
|
|---|
| 393 | if ($key=='style')
|
|---|
| 394 | {
|
|---|
| 395 | $tmp = '';
|
|---|
| 396 | if (isset($val['text-align'])) unset($val['text-align']);
|
|---|
| 397 | foreach($val as $ks => $vs) $tmp.= $ks.':'.$vs.'; ';
|
|---|
| 398 | if (trim($tmp)) $code.= ' '.$key.'="'.$tmp.'"';
|
|---|
| 399 | }
|
|---|
| 400 | else
|
|---|
| 401 | {
|
|---|
| 402 | $code.= ' '.$key.'="'.$val.'"';
|
|---|
| 403 | }
|
|---|
| 404 | }
|
|---|
| 405 | $code.= '>';
|
|---|
| 406 | }
|
|---|
| 407 | }
|
|---|
| 408 |
|
|---|
| 409 | // on continue tant qu'il y a du code à analyser...
|
|---|
| 410 | if (isset($this->code[$k+1]))
|
|---|
| 411 | $k++;
|
|---|
| 412 | else
|
|---|
| 413 | $end = true;
|
|---|
| 414 | }
|
|---|
| 415 |
|
|---|
| 416 | // retourne la position finale et le code HTML extrait
|
|---|
| 417 | return array($k, $code);
|
|---|
| 418 | }
|
|---|
| 419 | }
|
|---|
| 420 | }
|
|---|
| 421 | ?> |
|---|
