Удаление HTML элементов из текста.
Как-то раз пришлось решить задачу удаления из файла элементов HTML таких, как, например, ненужные ссылки, и в то эе время преобразования возврата каретки в HTML параграфы, знаков табуляции в пробелы и т.д. В результате соответственно должен был получиться новый HTML документ.
Следующие две процедуры показывают, как это можно сделать:
Листинг:
procedure TMainForm.LoadFileIntoList(TextFileName:String;
AWebPage:TStringList;
WithFilter:Boolean);
var CurrentFile : TStringList;
begin
CurrentFile := TStringList.Create;
CurrentFile.LoadFromFile(TextFileName);
if WithFilter then
FilterHTML(CurrentFile,AWebPage)
else
with AWebPage do AddStrings(CurrentFile);
CurrentFile.Free;
end;
procedure TMainForm.FilterHTML(FilterInput, AWebPage:TStringList);
var
i,j : LongInt;
S : String;
begin
FilterMemo.Lines.Clear;
FilterMemo.Lines := FilterInput;
with AWebPage do
begin
FilterMemo.SelectAll;
j := FilterMemo.SelLength;
if j > 0 then
begin
i := 0;
repeat
// ищем cr
if FilterMemo.Lines.GetText[i] = Char(VK_RETURN)
then S := S+''
else if FilterMemo.Lines.GetText[i] = '<'
then repeat
inc(i);
until FilterMemo.Lines.GetText[i] = '>'
// ищем tab
else if FilterMemo.Lines.GetText[i] = Char(VK_TAB)
then S := S+' '
// добавляем текст
else S := S+ FilterMemo.Lines.GetText[i];
inc(i);
until i = j+1;
Add(S); // добавляем строку в WebPage
end else Add('No data entered into field.'); // no data in text file
end;
end;
Применение функции:
Всё, что нужно сделать - это вызвать :
LoadFileIntoList("filename.txt",Webpage, True);
Где,
- filename - это имя файла, который вы хотите обработать.
- "WebPage" - это TStringList
- последний параметр в функции указывает, применять или нет HTML-фильтр.
PS: В этом примере объект TMemo (который вызывается из "FilterMemo") лежит на форме и поэтому не видим.
Пример:
WebPage := TStringList.Create;
try
Screen.Cursor := crHourGlass;
AddHeader(WebPage);
with WebPage do
begin
Add('Personal Details');
LoadFileIntoList("filename.txt",Webpage, True);
end;
AddFooter(WebPage);
finally
WebPage.SaveToFile(HTMLFileName);
WebPage.Free;
Screen.Cursor := crDefault;
end;
Оставить комментарий
Комментарии
1.
Аноним
17 августа 2005, 18:29:22
Да, для таких задач лучше пользовать Perl с регулярными выражениями - и компактнее и красивше :)
2.
Аноним
23 июля 2005, 19:25:19
Serge, по-сути, замечание верное, но... пример не подходящий - на нем ошибка не проявится.
Более наглядна следующая последовательность:
<html>
...
<script>
// comment
code
code
code
</script>
Реально - следует добавить обработку (удаление) комментариев. Как однострочных, так и многострочных
Более наглядна следующая последовательность:
<html>
...
<script>
// comment
code
code
code
</script>
Реально - следует добавить обработку (удаление) комментариев. Как однострочных, так и многострочных
3.
Аноним
22 июля 2005, 02:21:09
Однако не всё верно ...
---------8<-------------
...
<body>
V1
<script>
var a;
var b;
if(a<b) b=a;
if(a>b) a=b;
</script>
<h1>SOME TEXT</H1>
</body>
....
---------8<-------------
Что здесь имеется ввиду, кто догадается?
Вот именно, нужно строить иерархический набор объектов при входе в область действия тага и знать в зависимости от тага специфику использования разделяющих символов ...
А то мало того - весь скрипт наружу, так ещё и его обкорнает:
...
V1
var a;
var b;
if(ab) a=b;
SOME TEXT
...
Ну хотя бы при входе в <script искать его </script>.
---------8<-------------
...
<body>
V1
<script>
var a;
var b;
if(a<b) b=a;
if(a>b) a=b;
</script>
<h1>SOME TEXT</H1>
</body>
....
---------8<-------------
Что здесь имеется ввиду, кто догадается?
Вот именно, нужно строить иерархический набор объектов при входе в область действия тага и знать в зависимости от тага специфику использования разделяющих символов ...
А то мало того - весь скрипт наружу, так ещё и его обкорнает:
...
V1
var a;
var b;
if(ab) a=b;
SOME TEXT
...
Ну хотя бы при входе в <script искать его </script>.