0

Имеется текстовая переменная, в которой содержится HTML-таблица вида:

.......
<tr class="myclass1">
  <td> </td>
  <td> </td>
  <td></td>
  <td></td>
</tr>
.......
<tr>
  <td class="myclass2" colspan="12">
    Text
  </td>
  <td> </td>
  <td></td>
</tr>
.......

Хочу уменьшить количество пустых ячеек внутри каждого столбика , объединив их через

<td colspan="количество пустых ячеек"></td>.

Проблема в том, что в разных столбцах при этом может содержаться различное количество пустых ячеек . Объединить нужно только пустые ячейки (или содержащие пробельные символы). То есть преобразование из моего примера должно выглядеть так:

.......
<tr class="myclass1">
  <td colspan=4></td>
</tr>
.......
<tr>
  <td class="myclass2" colspan="12">
    Text
  </td>
  <td colspan=2></td>
</tr>
.......

Как можно реализовать это регулярным выражением? Насколько я понимаю, нужно будет каким-то образом рекурсивно сделать это через preg_replace, но как при этом определить где и сколько замен?

4
  • 1
    А зачем????????
    – Qwertiy
    3 фев 2022 в 14:27
  • Чтобы уменьшить длину строки. Пустых ячеек может быть очень много.
    – tim68
    3 фев 2022 в 14:31
  • а почему не воспользоваться HTML парсером?
    – splash58
    3 фев 2022 в 15:07
  • Это преобразование из таблицы excel в html. Часть парсинга делает компонент excel reader 2.22, который и выводит таблицу таким образом. Далее ее очищает PHP-класс Tidy. Остальное обрабатывает мой скрипт, осталось только пустые ячейки объединить, которых может быть достаточно много.
    – tim68
    3 фев 2022 в 15:43

2 ответа 2

0

Если элементы будут максимально простыми (без атрибутов), то следующий код может помочь в требуемой группировке.

$str = <<<'HTML'
.......
<tr class="myclass1">
  <td> </td>
  <td> </td>
  <td></td>
  <td></td>
</tr>
.......
<tr>
  <td class="myclass2" colspan="12">
    Text
  </td>
  <td> </td>
  <td></td>
</tr>
.......
HTML;

$spaceCharsPattern = <<<'PCRE'
(?:\t|\n|\v|\f|\r| |\xC2\x85|\xc2\xa0|\xe1\xa0\x8e|\xe2\x80[\x80-\x8D]|\xe2\x80\xa8|\xe2\x80\xa9|\xe2\x80\xaF|\xe2\x81\x9f|\xe2\x81\xa0|\xe3\x80\x80|\xef\xbb\xbf)
PCRE;

$result = preg_replace_callback("~(?:$spaceCharsPattern*<td>$spaceCharsPattern*</td>){2,}~", function ($matches) {
  preg_match_all("~<td>$spaceCharsPattern*</td>~", $matches[0], $subMatches, PREG_SET_ORDER);
  $subMatchesCount = count($subMatches);
  return "<td colspan=\"$subMatchesCount\"></td>";
}, $str);

echo $result;

Данный код должен вернуть результат

.......
<tr class="myclass1"><td colspan="4"></td>
</tr>
.......
<tr>
  <td class="myclass2" colspan="12">
    Text
  </td><td colspan="2"></td>
</tr>
.......

В коде используется функция preg_replace_callback для поиска сгруппированных пустых тегов <td>, для каждой найденной группы будет вызываться функция.

Далее используется функция preg_match_all с флагом PREG_SET_ORDER для того что бы результаты в $subMatches в первом вложении были сгруппированы по найденным результатам (сколько пустых <td> было найдено в группе пустых).

Переменная $spaceCharsPattern служит для возможности конфигурировать допустимые пробельные символы между <td>, если это требуется. Начальным и самым простым набором пробельных символов будет \s.

12
  • А если элементы будут с атрибутами, например одни <td class="myclass"> </td>, другие <td class="myclass"> </td>, а третьи <td></td>, итд?
    – tim68
    3 фев 2022 в 14:53
  • @tim68, в таком случае встаёт вопрос о необходимости их объединения. Как собирать эти атрибуты в целевом <td>?
    – 7-zete-7
    3 фев 2022 в 14:55
  • Давайте оставим их пустыми, т.к. конечная ячейка <td colspan="n"></td> также будет пустой, видимой границы она иметь не будет и атрибуты ей не понадобятся.
    – tim68
    3 фев 2022 в 15:38
  • 2
    Также пробельные символы в содержимом ячейки встречаются довольно разные, и \s лучше всего будет заменить на (\t|\n|\v|\f|\r| |\xC2\x85|\xc2\xa0|\xe1\xa0\x8e|\xe2\x80[\x80-\x8D]|\xe2\x80\xa8|\xe2\x80\xa9|\xe2\x80\xaF|\xe2\x81\x9f|\xe2\x81\xa0|\xe3\x80\x80|\xef\xbb\xbf)
    – tim68
    3 фев 2022 в 15:46
  • 1
    Ошибка Parse error: syntax error, unexpected $end, expecting T_VARIABLE or T_END_HEREDOC or T_DOLLAR_OPEN_CURLY_BRACES or T_CURLY_OPEN in parce.php on line 197 - я так понял, опечатка в "~<td>$spaceCharsPattern*</td>"' - в конце нужно ставить ~" ?
    – tim68
    3 фев 2022 в 22:02
0

Помог ответ 7-zete-7, огромное ему спасибо, виден специалист высокого уровня. К сожалению, его код сработал не совсем так, как нужно, но помог понять принцип. Вот что я сделал для оптимизации, возможно поможет остальным: Сначала убрал пробелы внутри всех не пустых ячеек:

<td ...> n </td> ---> <td ...>n</td>
 
$spaceCharsPattern="\t|\n|\v|\f|\r| |\xC2\x85|\xc2\xa0|\xe1\xa0\x8e|\xe2\x80[\x80-\x8D]|\xe2\x80\xa8|\xe2\x80\xa9|\xe2\x80\xaF|\xe2\x81\x9f|\xe2\x81\xa0|\xe3\x80\x80|\xef\xbb\xbf";
     $$html_table=iconv('Windows-1251','UTF-8',$html_table);
     $pattern = "/<td(.*?)>($spaceCharsPattern)*([^\r\n]+)($spaceCharsPattern)*<\/td>/";
     $replacement='<td$1>$3</td>';
     $price_table=preg_replace($pattern, $replacement, $html_table);
     $price_table=iconv('UTF-8','Windows-1251',$html_table);

Потом вычистил пробелы и атрибуты из пустых ячеек:

   <td ...>   </td> ---> <td></td>
 
$html_table=iconv('Windows-1251','UTF-8',$html_table);
 $pattern = "/<td(.*?)>($spaceCharsPattern)*<\/td>/";
 $replacement='<td></td>';
 $html_table=preg_replace($pattern, $replacement, $html_table);
 $html_table=iconv('UTF-8','Windows-1251',$html_table);

А затем объединил пустые ячейки через colspan:

$html_table = preg_replace_callback('~(?:\s*<td>\s*</td>){2,}~', function ($matches) {
 preg_match_all('~<td>\s*</td>~', $matches[0], $subMatches, PREG_SET_ORDER);
 $subMatchesCount = count($subMatches);
 return "<td colspan=\"$subMatchesCount\"></td>";
 }, $html_table);
2
  • Пытайтесь избегать создания не нужных групп в регулярных выражениях. Группы увеличивают сложность (в плане производительности) работы регулярного выражения. Не берите в скобки то, что не должно быть сгруппировано (что не нужно потом использовать). Если сгруппировать небоходимо, но созданная группа не будет нужна, — добавьте ?: в начале группы что бы, например, вместо (foo|bar) получилось (?:foo|bar).
    – 7-zete-7
    4 фев 2022 в 13:24
  • 1
    То есть как в этом примере - (?:\s*<td>\s*</td>){2,} группа нужна только для того, чтобы показать количество повторений, верно?
    – tim68
    4 фев 2022 в 17:10

Ваш ответ

By clicking “Отправить ответ”, you agree to our terms of service and acknowledge that you have read and understand our privacy policy and code of conduct.

Всё ещё ищете ответ? Посмотрите другие вопросы с метками или задайте свой вопрос.