Ce script réparre les balises
tronqués que les éditeurs de fichier .html (netscape
composer, komposer et les autres...) ont tendance à faire .
En effet plusieurs éditeurs html coupe les balises comme ceci:
mon script ne touchera pas au formatage mais
simplement fermera la
balise avant d'envoyer à la ligne comme ceci:
voici une ligne dont la balise ne sera plus tronqué, comme ceci
ce qui permet ensuite de travailler sur un fichier
sain (sans balise
tronqués) .
En tout cas moi ça me sers vachement.
Voici au dessous mon script Perl qui s'utilise
comme ceci, usage:
# reforme-html.pl [fichier]
[fichier_de_sorti]
Trouver ici directement
le script reforme-html.pl
script
#!/usr/bin/perl -w
# remd: reforme-html.pl est un
script qui reparre les balises
tronquées
# le nom du fichier peut etre
entrer en argument et le nom de sorti
aussi
# usage: reforme-html.pl [-os]
[nom_de_source] [nom_de_cible]
# (voir doc pod en fin de
script)
# ou rebalise_html.pl
nom_de_source
# écrit par: Alain Adelmar
le 16 sept 2009 à Pessac
# aadelmar@numericable.fr
# il fonctionne parfaitement et je
lui ai ajouter un ctrl au
40éme caractère
# pour fermer la ligne avant
d'ouvrir une autre balise. A ce regler
comme on
# veux ligne 155 -
# $ID:
use strict;
use warnings;
# utilisation de la date/heure pour maitenant et pour file X
use DateFrench;
our $format_affichage = 2;
our $opt_date_file = 2;
our $fr_date_now = maintenant("$format_affichage");
print "$fr_date_now\n";
use Cwd;
my $dir= cwd;
my $lx = "x" x 20;
my $argv = my $f = my $fout = my $resp = my $rootfile = my $e = my
$tout = my $contenu = my $l = "";
my @contenu = my @copim = my @pathf = my @ligne = my @nwcopim =
my @nwcontenu = ();
my $u = my $ouvert = my $tronquage = my $resetline = 0;
my $moi = "alain Adelmar";
my $recap_lbl= "$0 écris par $moi \nle 21 Avril 2008\nexecuter
$fr_date_now\n";
# traitement argument - fichier a traiter et verif validité
if (@ARGV) {
if ($ARGV[0] =~ /^-/) {
$ARGV[0] =~ s/-()/($1)/;
($argv = $ARGV[0]); # assigne $argv
# ($argv = "b") if ($ARGV[0]=~ /^b/); #
pour b pour binaire
# ($argv = "u") if ($ARGV[0]=~ /^u/); #
pour u
# ($argv = "l") if ($ARGV[0]=~ /^l/); #
pour latin1 => utf8
# ($argv = "o") if ($ARGV[0]=~ /^o/); #
pour output (c.a.d: fichier differant)
if($argv=~ /o/) {
if ($ARGV[2] ne "") {
$fout = $ARGV[2];
$f = $ARGV[1];
&veriff;
print "f vaut $f (source)\nfout
vaut $fout (cible)\net est considerer comme argv2\n";
}
else {
print "si vous prennez l option -o il faut indiquer le fichier
cible\npar defaut sorti_" . $ARGV[1] . "\n";
print "usage: $0 [-blo] [nom_de_la_source] ([nom_de_la_cible] pour
option -o)\n";
chomp($fout = <STDIN>);
}
}
if ($ARGV[1] ne "") {
$f = $ARGV[1];
&veriff;
}
}
else {
$f = $ARGV[0];
&veriff;
}
}
else {
print "$lx\nusage: reforme_html.pl [fichier_a_traiter]
\n$recap_lbl\n";
#---------demander quel fichier traiter et verifier si il existe
print "$lx\n";
print "Indiquez le fichier a traiter:\n";
chomp($f =<STDIN>);
&veriff;
}
# création d'un fichier de sortie--------------
if ($argv =~ /o/) {
($fout= "$dir/$fout") if(!($fout =~ /\/|\\/));
print "désirez vous avoir $fout comme fichier
cible?";
my $resp = <STDIN>;
if($resp=~ /^n/i) {
print "veuillez recommencer
tout en indiquant le nom_du_fichier_cible ou
path_et_le_nom_du_fichier_cible\n";
}
}
else {
$fout = "sortu_" . "$rootfile";
}
# ouverture du fichier en lecture seule
open F, "$f" or die "ouverture de $f impossible $!";
if ($argv =~ /b/) {
binmode F;
}
@contenu = <F>;
close F || die "Fermeture de $f impossible $!";
#----------------------------ici c'est bien -------------------
&reconstruire_ligne;
#--------------------------------------------------------------
# si le fichier de sortie est toujours vide, lui donner un nom
if($fout eq "") {
$fout = "sorti_$rootfile.html";
}
&logout;
open FOUT, ">$fout" or die "Ouverture de $fout impossible $!";
# si le fichier source n'a pas de balises tronqué ne rien faire
if ($corompu >= 1) {
print FOUT @nwcontenu;
}
else {
print "$recap_lbl\nfichier sain pas de balises
tronquees, rien a faire\n";
}
close FOUT || die "Fermeture de $fout impossible $!";
if ($argv=~ /l/) {
# system("iconv -f latin1 -t utf8 $fout");
}
sub veriff {
if ($f !~ /\/|\\/) {
$rootfile = $f;
$f = "$dir\/$f";
}
else {
$rootfile = $f;
@pathf = split("\/", $rootfile);
$rootfile = pop @pathf;
}
while (!(-f $f)) {
print "Veuillez entrer un nom de fichier, et son
path si ailleur que dans le $dir:\n";
chomp ($f = <STDIN>);
}
}
sub logout {
$u= 0;
while (-f $fout) {
$u++;
$fout = "$dir\/sorti_" . $u . "_$rootfile";
}
}
sub reconstruire_ligne {
# on split tout ca a plat
$tout = "@contenu";
@copim = split(//, $tout);
# balise $ouvert = 1 ==> vrai; 0 ==> faux
$ouvert = 0;
foreach $e(@copim) {
if ($ouvert == 0) {
if($e eq "<") {
# signale qu'une balise est ouverte si elle ce
trouve au dela du 40eme caractere
# ferme la @ligne et réinitialise puis pousse
dans @ligne
if($resetline >= 40) {
push @ligne, "\n";
push @nwcopim, @ligne;
@ligne = "";
push @ligne, $e;
# remise à zero + 1
$resetline = 1;
}
else {
# signale qu'une balise est ouverte et pousse
la ligne
push @ligne, $e;
$resetline++;
}
$ouvert = 1;
}
elsif ($e eq "\n") {
# pousse \n dans @ligne puis @ligne dans @nwcopim et
réinitialise @ligne
push @ligne, $e;
push @nwcopim, @ligne;
@ligne ="";
$resetline = 0;
}
else {
# pousse le caractère dans la ligne
push @ligne, $e;
$resetline++;
}
}
# un balise à été ouverte donc
passage en ouvert
else {
$resetline++;
if ($e eq "\n") {
# balise tronquées
$tronquage = 1;
# marque de l'utilité de ce script
$corompu++;
}
elsif ($e eq ">") {
$ouvert = 0;
if ($tronquage == 1) {
# si tronqué pousser le
caractère dans ligne et lui ajouter une fin de ligne
# puis remettre à zero $ligne,
$tronquage et ouvert
push @ligne, "$e\n";
push @nwcopim, @ligne;
$resetline = 0;
@ligne = "";
$tronquage = 0;
}
elsif ($tronquage == 0) {
# si il n'y a pas eu de tronquage pousser
dans ligne
push @ligne, $e;
}
}
else {
# print "je passe en ouvert quelconque $i:$e:\n";
# si c'est un caractere quelconque, le pousser dans
ligne
push @ligne, $e;
}
}
}
# donc soit $contenu soit @nwcontenu fonctionne à
merveille
$contenu = join('', @nwcopim);
@nwcontenu = $contenu;
}
END;
=pod
=encoding utf8
=head1 NOM
reforme-html.pl - Reconstruit les balises HTML
tronquees.
=head1 SYNOPSIS
C<reforme-html.pl [fichier]>
C<reforme-html.pl [-mos] [fichier_source]
[fichier_cible]>
# ou pour un repertoire entier
C<reforme-html.pl [-mos] [repertoire]
[fichier_cible]>
=head1 DESCRIPTION
Ce script detronque les balises B<html> dans
un meta fichier ou dans tout les
meta fichier d'un repertoire. Il ne modifiera pas le
codage de cette page,
il completera la balise tronquee sur la
meme ligne si celle si n'est pas
trop longue. J'ai fixe a 40 la limite max pour
completer une balise sur la
même ligne, ce chiffre est modifiable
ligne sinon il deplacera la dite
balise sur la ligne suivante.
=head2 FICHIER DE SORTIE
Le script genere par defaut un fichier de sortie
appele du même nom que le
fichier a modifier seulement il sera precede du
prefixe sortie_ , c'est a
dire "monfichier" sortira dans le repertoire
courant balise correctement
sous le nom de "sorti_monfichier". Avec
l'option -o vous pouvez vous même
definir le nom du fichier_cible. Avec l'option -m
(move) le fichier traite
gardera le même nom et remplacera le fichier
source.
=head2 FICHIER OU REPERTOIRE
Si vous entrez un nom de repertoire a la place d'un
nom de fichier, le rep
sera traite et tout les meta-fichiers seront traites
(xml,html,htm,sgml).
Il ne modifie en rien les fichiers ne contenant pas
de balises tronque.
=head1 OPTIONS
-B<m>
(I<move>) remplace le fichier traite par le fichier repare.
-B<o>
(I<output>) laisse l'utilisateur definir le nom de la sortie.
-B<s>
(I<silencieux>) aucun print. Retourne 0 si tout est ok, ceci pour
pouvoir être lancer depuis un script.
=head1 VALEUR RETOURNÉE
Retourne 0 si tout est ok
=head AUTEUR
Adelmar Alain
6 rue de Tunis, 33600 Pessac
email: L<aadelmar@numericable.fr>
pages: L<http://perso.numericable.fr/aadelmar>
=cut
----------------------------------
dernière édition le 21
Sept 2009 à Pessac