Удаление из html файла ненужных строк

Easp · 5 сен 2019

Имеется экспортированная в html таблица из ms access. Необходим скрипт который будет вычищать из файла все, кроме таблицы с данными. Если файл уже содержит только таблицу, то скрипт выполнятся не должен. Мне видится такой алгоритм:

Код (Text):

если первая строка НЕ начинается с <table, то {

вычилить количество строк находящихся выше (сверху вниз до тэга <table) и удалить их.

вычислить количество строк вниз от тэга </table> и также удалить их.

удалить все атрибуты и их значения у всех тэгов

везде удалить тэг <FONT> и его закрывающий </FONT>

удалить строку с тэгами <TFOOT> и </TFOOT>

}

В общем, на выходе всегда должен получаться код вида:
<table
...
</table>
Заранее спасибо за помощь.

HTML:

<HTML>

<HEAD>

<META HTTP-EQUIV="Content-Type" CONTENT="text/html;charset=UTF-8">

<TITLE>Студенты</TITLE>

</HEAD>

<BODY>

<TABLE BORDER=1 BGCOLOR=#ffffff CELLSPACING=0><FONT FACE="Calibri" COLOR=#000000><CAPTION><B>Студенты</B></CAPTION></FONT>

<THEAD>

<TR>

<TH BGCOLOR=#c0c0c0 BORDERCOLOR=#000000 ><FONT style=FONT-SIZE:11pt FACE="Calibri" COLOR=#000000>Код</FONT></TH>

<TH BGCOLOR=#c0c0c0 BORDERCOLOR=#000000 ><FONT style=FONT-SIZE:11pt FACE="Calibri" COLOR=#000000>Имя</FONT></TH>

<TH BGCOLOR=#c0c0c0 BORDERCOLOR=#000000 ><FONT style=FONT-SIZE:11pt FACE="Calibri" COLOR=#000000>Фамилия</FONT></TH>

<TH BGCOLOR=#c0c0c0 BORDERCOLOR=#000000 ><FONT style=FONT-SIZE:11pt FACE="Calibri" COLOR=#000000>Отчество</FONT></TH>

<TH BGCOLOR=#c0c0c0 BORDERCOLOR=#000000 ><FONT style=FONT-SIZE:11pt FACE="Calibri" COLOR=#000000>Дата_рождения</FONT></TH>

</TR>

</THEAD>

<TBODY>

<TR VALIGN=TOP>

<TD BORDERCOLOR=#e7e6e6 ALIGN=RIGHT><FONT style=FONT-SIZE:11pt FACE="Calibri" COLOR=#000000>1</FONT></TD>

<TD BORDERCOLOR=#e7e6e6 ><FONT style=FONT-SIZE:11pt FACE="Calibri" COLOR=#000000>Иван</FONT></TD>

<TD BORDERCOLOR=#e7e6e6 ><FONT style=FONT-SIZE:11pt FACE="Calibri" COLOR=#000000>Иванов</FONT></TD>

<TD BORDERCOLOR=#e7e6e6 ><FONT style=FONT-SIZE:11pt FACE="Calibri" COLOR=#000000>Иванович</FONT></TD>

<TD BORDERCOLOR=#e7e6e6 ALIGN=RIGHT><FONT style=FONT-SIZE:11pt FACE="Calibri" COLOR=#000000>14.07.1988</FONT></TD>

</TR>

<TR VALIGN=TOP>

<TD BORDERCOLOR=#e7e6e6 ALIGN=RIGHT><FONT style=FONT-SIZE:11pt FACE="Calibri" COLOR=#000000>2</FONT></TD>

<TD BORDERCOLOR=#e7e6e6 ><FONT style=FONT-SIZE:11pt FACE="Calibri" COLOR=#000000>Петр</FONT></TD>

<TD BORDERCOLOR=#e7e6e6 ><FONT style=FONT-SIZE:11pt FACE="Calibri" COLOR=#000000>Петров</FONT></TD>

<TD BORDERCOLOR=#e7e6e6 ><FONT style=FONT-SIZE:11pt FACE="Calibri" COLOR=#000000>Петрович</FONT></TD>

<TD BORDERCOLOR=#e7e6e6 ALIGN=RIGHT><FONT style=FONT-SIZE:11pt FACE="Calibri" COLOR=#000000>11.06.1999</FONT></TD>

</TR>

<TR VALIGN=TOP>

<TD BORDERCOLOR=#e7e6e6 ALIGN=RIGHT><FONT style=FONT-SIZE:11pt FACE="Calibri" COLOR=#000000>3</FONT></TD>

<TD BORDERCOLOR=#e7e6e6 ><FONT style=FONT-SIZE:11pt FACE="Calibri" COLOR=#000000>Алексей</FONT></TD>

<TD BORDERCOLOR=#e7e6e6 ><FONT style=FONT-SIZE:11pt FACE="Calibri" COLOR=#000000>Алексеев</FONT></TD>

<TD BORDERCOLOR=#e7e6e6 ><FONT style=FONT-SIZE:11pt FACE="Calibri" COLOR=#000000>Алексеевич</FONT></TD>

<TD BORDERCOLOR=#e7e6e6 ALIGN=RIGHT><FONT style=FONT-SIZE:11pt FACE="Calibri" COLOR=#000000>23.07.1989</FONT></TD>

</TR>

<TR VALIGN=TOP>

<TD BORDERCOLOR=#e7e6e6 ALIGN=RIGHT><FONT style=FONT-SIZE:11pt FACE="Calibri" COLOR=#000000>4</FONT></TD>

<TD BORDERCOLOR=#e7e6e6 ><FONT style=FONT-SIZE:11pt FACE="Calibri" COLOR=#000000>Андрей</FONT></TD>

<TD BORDERCOLOR=#e7e6e6 ><FONT style=FONT-SIZE:11pt FACE="Calibri" COLOR=#000000>Андреев</FONT></TD>

<TD BORDERCOLOR=#e7e6e6 ><FONT style=FONT-SIZE:11pt FACE="Calibri" COLOR=#000000>Андреевич</FONT></TD>

<TD BORDERCOLOR=#e7e6e6 ALIGN=RIGHT><FONT style=FONT-SIZE:11pt FACE="Calibri" COLOR=#000000>08.08.1979</FONT></TD>

</TR>

<TR VALIGN=TOP>

<TD BORDERCOLOR=#e7e6e6 ALIGN=RIGHT><FONT style=FONT-SIZE:11pt FACE="Calibri" COLOR=#000000>5</FONT></TD>

<TD BORDERCOLOR=#e7e6e6 ><FONT style=FONT-SIZE:11pt FACE="Calibri" COLOR=#000000>Евгений</FONT></TD>

<TD BORDERCOLOR=#e7e6e6 ><FONT style=FONT-SIZE:11pt FACE="Calibri" COLOR=#000000>Евгеньев</FONT></TD>

<TD BORDERCOLOR=#e7e6e6 ><FONT style=FONT-SIZE:11pt FACE="Calibri" COLOR=#000000>Евгеньевич</FONT></TD>

<TD BORDERCOLOR=#e7e6e6 ALIGN=RIGHT><FONT style=FONT-SIZE:11pt FACE="Calibri" COLOR=#000000>27.02.1982</FONT></TD>

</TR>

</TBODY>

<TFOOT></TFOOT>

</TABLE>

</BODY>

</HTML>

HTML:

<TABLE><CAPTION><B>Студенты</B></CAPTION>

<THEAD>

<TR>

<TH>Код</TH>

<TH>Имя</TH>

<TH>Фамилия</TH>

<TH>Отчество</TH>

<TH>Дата_рождения</TH>

</TR>

</THEAD>

<TBODY>

<TR>

<TD>1</TD>

<TD>Иван</TD>

<TD>Иванов</TD>

<TD>Иванович</TD>

<TD>14.07.1988</TD>

</TR>

<TR>

<TD>2</TD>

<TD>Петр</TD>

<TD>Петров</TD>

<TD>Петрович</TD>

<TD>11.06.1999</TD>

</TR>

<TR>

<TD>3</TD>

<TD>Алексей</TD>

<TD>Алексеев</TD>

<TD>Алексеевич</TD>

<TD>23.07.1989</TD>

</TR>

<TR>

<TD>4</TD>

<TD>Андрей</TD>

<TD>Андреев</TD>

<TD>Андреевич</TD>

<TD>08.08.1979</TD>

</TR>

<TR>

<TD>5</TD>

<TD>Евгений</TD>

<TD>Евгеньев</TD>

<TD>Евгеньевич</TD>

<TD>27.02.1982</TD>

</TR>

</TBODY>

</TABLE>

Artur_hopf · 5 сен 2019

Прям тех задание, сколько оплачиваете? =)

Dron-Boy · 5 сен 2019

Artur_hopf сказал(а): ↑

Прям тех задание, сколько оплачиваете? =)
Нажмите, чтобы раскрыть...

Это он на 1c написал

MouseZver · 5 сен 2019

тут ничего сложного
https://www.php.net/manual/ru/function.strpos.php
https://www.php.net/manual/ru/function.substr.php

kazadai90 · 6 сен 2019

Код для обработки

Код (Text):

<?php

$file = file_get_contents("table.html");

preg_match_all("/(<table.*?>.*?<\/table>)/siu", $file, $matches);

$table = $matches[1][0] ?? '';

file_put_contents("table_result.html", $table);

Easp · 6 сен 2019

kazadai90 сказал(а): ↑

Код для обработки

Код (Text):

$table = $matches[1][0] ?? '';

Нажмите, чтобы раскрыть...

Благодарю. А можно узнать, что делает данная команда? Конкретно, вот это - $matches[1][0] ?? ''

kazadai90 · 6 сен 2019

это не команда, это результат работы пред строки

Код (Text):

preg_match_all("/(<table.*?>.*?<\/table>)/siu", $file, $matches);

в регулярке ищется таблица, результат складывается в переменную $matches

Easp · 6 сен 2019

@kazadai90 там же идет операция присваивания, но сначала проверяется какое-то условие (??) разве не так?

Valick · 6 сен 2019

@Easp, https://www.php.net/manual/ru/migration70.new-features.php

kazadai90 · 6 сен 2019

Код (Text):

$table = $matches[1][0] ?? '';

в php 7 данная конструкция эквивалента

Код (Text):

$table = isset($matches[1][0]) ? $matches[1][0] : '';

из php 5 версии

miltorg · 7 сен 2019

PHP:

<?php

$re = '/(<table.*?>.*?<\/table>)/isu';

$str = '<HTML>

<HEAD>

<META HTTP-EQUIV="Content-Type" CONTENT="text/html;charset=UTF-8">

<TITLE>Студенты</TITLE>

</HEAD>

<BODY>

<TABLE BORDER=1 BGCOLOR=#ffffff CELLSPACING=0><FONT FACE="Calibri" COLOR=#000000><CAPTION><B>Студенты</B></CAPTION></FONT>

<THEAD>

<TR>

<TH BGCOLOR=#c0c0c0 BORDERCOLOR=#000000 ><FONT style=FONT-SIZE:11pt FACE="Calibri" COLOR=#000000>Код</FONT></TH>

<TH BGCOLOR=#c0c0c0 BORDERCOLOR=#000000 ><FONT style=FONT-SIZE:11pt FACE="Calibri" COLOR=#000000>Имя</FONT></TH>

<TH BGCOLOR=#c0c0c0 BORDERCOLOR=#000000 ><FONT style=FONT-SIZE:11pt FACE="Calibri" COLOR=#000000>Фамилия</FONT></TH>

<TH BGCOLOR=#c0c0c0 BORDERCOLOR=#000000 ><FONT style=FONT-SIZE:11pt FACE="Calibri" COLOR=#000000>Отчество</FONT></TH>

<TH BGCOLOR=#c0c0c0 BORDERCOLOR=#000000 ><FONT style=FONT-SIZE:11pt FACE="Calibri" COLOR=#000000>Дата_рождения</FONT></TH>

</TR>

</THEAD>

<TBODY>

<TR VALIGN=TOP>

<TD BORDERCOLOR=#e7e6e6 ALIGN=RIGHT><FONT style=FONT-SIZE:11pt FACE="Calibri" COLOR=#000000>1</FONT></TD>

<TD BORDERCOLOR=#e7e6e6 ><FONT style=FONT-SIZE:11pt FACE="Calibri" COLOR=#000000>Иван</FONT></TD>

<TD BORDERCOLOR=#e7e6e6 ><FONT style=FONT-SIZE:11pt FACE="Calibri" COLOR=#000000>Иванов</FONT></TD>

<TD BORDERCOLOR=#e7e6e6 ><FONT style=FONT-SIZE:11pt FACE="Calibri" COLOR=#000000>Иванович</FONT></TD>

<TD BORDERCOLOR=#e7e6e6 ALIGN=RIGHT><FONT style=FONT-SIZE:11pt FACE="Calibri" COLOR=#000000>14.07.1988</FONT></TD>

</TR>

<TR VALIGN=TOP>

<TD BORDERCOLOR=#e7e6e6 ALIGN=RIGHT><FONT style=FONT-SIZE:11pt FACE="Calibri" COLOR=#000000>2</FONT></TD>

<TD BORDERCOLOR=#e7e6e6 ><FONT style=FONT-SIZE:11pt FACE="Calibri" COLOR=#000000>Петр</FONT></TD>

<TD BORDERCOLOR=#e7e6e6 ><FONT style=FONT-SIZE:11pt FACE="Calibri" COLOR=#000000>Петров</FONT></TD>

<TD BORDERCOLOR=#e7e6e6 ><FONT style=FONT-SIZE:11pt FACE="Calibri" COLOR=#000000>Петрович</FONT></TD>

<TD BORDERCOLOR=#e7e6e6 ALIGN=RIGHT><FONT style=FONT-SIZE:11pt FACE="Calibri" COLOR=#000000>11.06.1999</FONT></TD>

</TR>

<TR VALIGN=TOP>

<TD BORDERCOLOR=#e7e6e6 ALIGN=RIGHT><FONT style=FONT-SIZE:11pt FACE="Calibri" COLOR=#000000>3</FONT></TD>

<TD BORDERCOLOR=#e7e6e6 ><FONT style=FONT-SIZE:11pt FACE="Calibri" COLOR=#000000>Алексей</FONT></TD>

<TD BORDERCOLOR=#e7e6e6 ><FONT style=FONT-SIZE:11pt FACE="Calibri" COLOR=#000000>Алексеев</FONT></TD>

<TD BORDERCOLOR=#e7e6e6 ><FONT style=FONT-SIZE:11pt FACE="Calibri" COLOR=#000000>Алексеевич</FONT></TD>

<TD BORDERCOLOR=#e7e6e6 ALIGN=RIGHT><FONT style=FONT-SIZE:11pt FACE="Calibri" COLOR=#000000>23.07.1989</FONT></TD>

</TR>

<TR VALIGN=TOP>

<TD BORDERCOLOR=#e7e6e6 ALIGN=RIGHT><FONT style=FONT-SIZE:11pt FACE="Calibri" COLOR=#000000>4</FONT></TD>

<TD BORDERCOLOR=#e7e6e6 ><FONT style=FONT-SIZE:11pt FACE="Calibri" COLOR=#000000>Андрей</FONT></TD>

<TD BORDERCOLOR=#e7e6e6 ><FONT style=FONT-SIZE:11pt FACE="Calibri" COLOR=#000000>Андреев</FONT></TD>

<TD BORDERCOLOR=#e7e6e6 ><FONT style=FONT-SIZE:11pt FACE="Calibri" COLOR=#000000>Андреевич</FONT></TD>

<TD BORDERCOLOR=#e7e6e6 ALIGN=RIGHT><FONT style=FONT-SIZE:11pt FACE="Calibri" COLOR=#000000>08.08.1979</FONT></TD>

</TR>

<TR VALIGN=TOP>

<TD BORDERCOLOR=#e7e6e6 ALIGN=RIGHT><FONT style=FONT-SIZE:11pt FACE="Calibri" COLOR=#000000>5</FONT></TD>

<TD BORDERCOLOR=#e7e6e6 ><FONT style=FONT-SIZE:11pt FACE="Calibri" COLOR=#000000>Евгений</FONT></TD>

<TD BORDERCOLOR=#e7e6e6 ><FONT style=FONT-SIZE:11pt FACE="Calibri" COLOR=#000000>Евгеньев</FONT></TD>

<TD BORDERCOLOR=#e7e6e6 ><FONT style=FONT-SIZE:11pt FACE="Calibri" COLOR=#000000>Евгеньевич</FONT></TD>

<TD BORDERCOLOR=#e7e6e6 ALIGN=RIGHT><FONT style=FONT-SIZE:11pt FACE="Calibri" COLOR=#000000>27.02.1982</FONT></TD>

</TR>

</TBODY>

<TFOOT></TFOOT>

</TABLE>

</BODY>

</HTML>';

preg_match($re, $str, $matches);

#print_r($matches[0]);

$_= preg_replace('/<(\w+)( .*?)>/isu', "<$1>", $matches[0]);

$_= preg_replace('/<\/?FONT>/isu', "", $_);

print $_= preg_replace('/<\/?TFOOT>/isu', "", $_);

--- Добавлено ---
Результат:

HTML:

<TABLE><CAPTION><B>Студенты</B></CAPTION>

<THEAD>

<TR>

<TH>Код</TH>

<TH>Имя</TH>

<TH>Фамилия</TH>

<TH>Отчество</TH>

<TH>Дата_рождения</TH>

</TR>

</THEAD>

<TBODY>

<TR>

<TD>1</TD>

<TD>Иван</TD>

<TD>Иванов</TD>

<TD>Иванович</TD>

<TD>14.07.1988</TD>

</TR>

<TR>

<TD>2</TD>

<TD>Петр</TD>

<TD>Петров</TD>

<TD>Петрович</TD>

<TD>11.06.1999</TD>

</TR>

<TR>

<TD>3</TD>

<TD>Алексей</TD>

<TD>Алексеев</TD>

<TD>Алексеевич</TD>

<TD>23.07.1989</TD>

</TR>

<TR>

<TD>4</TD>

<TD>Андрей</TD>

<TD>Андреев</TD>

<TD>Андреевич</TD>

<TD>08.08.1979</TD>

</TR>

<TR>

<TD>5</TD>

<TD>Евгений</TD>

<TD>Евгеньев</TD>

<TD>Евгеньевич</TD>

<TD>27.02.1982</TD>

</TR>

</TBODY>

</TABLE>

Easp · 21 сен 2019

Всем большое спасибо. Остановился на таком варианте:

PHP:

$html_table = file_get_contents("table.html");

$dom = new DOMDocument;

$dom->loadHTML($html_table);

$xpath = new DOMXPath($dom);

$nodes = $xpath->query('//@*');

foreach ($nodes as $node) {

$node->parentNode->removeAttribute($node->nodeName);

}

$html_table = $dom->saveHTML();

$html_table = preg_replace("/<title>.*<\/title>/", '', $html_table);

$html_table = strip_tags($html_table, '<table> <tbody> <thead> <caption> <tr> <th> <td>');

Есть какие-либо серьезные недостатки (или ошибки) в этом коде?

Удаление из html файла ненужных строк

Easp Новичок

Artur_hopf Старожил

Dron-Boy Старожил

MouseZver Суперстар

kazadai90 Активный пользователь

Easp Новичок

kazadai90 Активный пользователь

Easp Новичок

Valick Активный пользователь

kazadai90 Активный пользователь

miltorg Активный пользователь

Easp Новичок

Быстрый поиск

Удаление из html файла ненужных строк

Easp Новичок

Artur_hopf Старожил

Dron-Boy Старожил

MouseZver Суперстар

kazadai90 Активный пользователь

Easp Новичок

kazadai90 Активный пользователь

Easp Новичок

Valick Активный пользователь

kazadai90 Активный пользователь

miltorg Активный пользователь

Easp Новичок