Autor Beitrag
rd3
Ehemaliges Mitglied
Erhaltene Danke: 1



BeitragVerfasst: Di 30.09.08 09:32 
Hallo,

ich bräuchte mal Hilfe und hoffe, diese hier zu bekommen.

Problem:

Ich habe SGML/HTML-Quelltext (ohne Sonderzeichen, denn die sind alle in Entities, wie z.B. ” Ä etc. schon umgewandelt...). Diesen möchte ich so parsen, Wörter spätestens bis zum 30 Zeichen/Char zusammengeklebt - durch   - sind. Wenn kenn Leerzeichen an der Stelle 30 ist, so sollte soweit zurückgegangen werden, bis zum voranliegenden Leerzeichen. Dabei sind Entities, wie ˙ etc. jedoch nur ein einziges Zeichen...

Das Resultat sollte so aussehen:

ausblenden XML-Daten
1:
2:
3:
4:
5:
Hallo wie geht es Dir. Ich
<!-- hier (da zeichen 30 ins "würde" fällt) normales 
Leerzeichen, damit der Umbruch erzwungen wird auf 
begrenztem Platz -->
würde mich freuen, Dich
<!-- hier wieder umbrechen, da Zeichen 30 mitten in das "wiederzusehen" Wort fällt. -->wiederzusehen!


Der Sinn ist, dass das Publishing-System (Fremdsystem und nachdem ein Text übersetzt wurde nicht mehr korrekt umbricht, und manche Zeilen in Bilder oder über Rahmen hinauslaufen) nicht nach diesem Parsen rechtzeitig umbricht und wieder lesbare Textblöcke entstehen...

Könnte mir dabei bitte jemand helfen... Vielen Dank...

Schöne Grüße,

//EDIT: die Umbrüche sollte nicht mit dem <br>-Tag gemacht werden sondern jeden Zeile sollte durch &nbsp; "geklebt" werden...

rd3
Jakob_Ullmann
ontopic starontopic starontopic starontopic starontopic starontopic starofftopic starofftopic star
Beiträge: 1747
Erhaltene Danke: 15

Win 7, *Ubuntu GNU/Linux*
*Anjuta* (C, C++, Python), Geany (Vala), Lazarus (Pascal), Eclipse (Java)
BeitragVerfasst: Di 30.09.08 13:39 
SysUtils.StringReplace()?
wazup
ontopic starontopic starontopic starontopic starontopic starontopic starhalf ontopic starofftopic star
Beiträge: 101

Windows XP
Delphi 2009
BeitragVerfasst: Di 30.09.08 14:07 
Meinst du das ?:
ausblenden volle Höhe Delphi-Quelltext
1:
2:
3:
4:
5:
6:
7:
8:
9:
10:
11:
12:
13:
14:
15:
16:
17:
18:
19:
20:
21:
22:
23:
24:
25:
26:
27:
28:
29:
30:
31:
32:
33:
34:
35:
36:
37:
38:
39:
40:
41:
42:
43:
44:
45:
46:
47:
48:
49:
50:
51:
52:
53:
54:
55:
56:
57:
58:
59:
60:
61:
62:
63:
64:
65:
66:
67:
68:
69:
70:
71:
72:
73:
74:
75:
76:
77:
78:
79:
80:
81:
82:
83:
84:
85:
86:
87:
88:
89:
90:
91:
92:
93:
94:
95:
96:
97:
98:
99:
100:
101:
102:
function MyFunction(const AText: string): string;
const
  List1: array [0..193] of string   = ('€', '', '‚', 'ƒ', '„', '…', '†', '‡',
                                       'ˆ', '‰', 'Š', '‹', 'Œ', '', 'Ž', '',
                                       '', '‘', '’', '“', '”', '•', '–', '—',
                                       '˜', '™', 'š', '›', 'œ', '', 'ž', 'Ÿ',
                                       ' ', '¡', '¢', '£', '¤', '¥', '¦',
                                       '§', '¨', '©', 'ª', '«', '¬', '­', '®',
                                       '¯', '°', '±', '²', '³', '´', 'µ',
                                       '¶', '·', '¸', '¹', 'º', '»', '¼',
                                       '½', '¾', '¿', 'À', 'Á', 'Â',
                                       'Ã', 'Ä', 'Å', 'Æ', 'Ç', 'È', 'É',
                                       'Ê', 'Ë', 'Ì', 'Í', 'Î', 'Ï', 'Ð',
                                       'Ñ', 'Ò', 'Ó', 'Ô', 'Õ', 'Ö', '×',
                                       'Ø', 'Ù', 'Ú', 'Û', 'Ü', 'Ý', 'Þ',
                                       'ß', 'à', 'á', 'â', 'ã', 'ä', 'å',
                                       'æ', 'ç', 'è', 'é', 'ê', 'ë', 'ì',
                                       'í', 'î', 'ï', 'ð', 'ñ', 'ò', 'ó',
                                       'ô', 'õ', 'ö', '÷', 'ø', 'ù', 'ú',
                                       'û', 'ü', 'ý', 'þ', 'ÿ', '─', '│',
                                       '┌', '┐', '└', '┘', '├', '┤',
                                       '┬', '┴', '┼', 'α', 'β', 'γ', 'Δ',
                                       '∑', '√', '∫', '≈', '≠', '≤',
                                       '≥', '←', '↑', '→', '↓', '↔',
                                       '↕', '•', '⁄', '‰', '™', '€',
                                       '─', '│', '┌', '┐', '└', '┘', '├',
                                       '┤', '┬', '┴', '┼', 'α', 'β', 'γ',
                                       'Δ', '∑', '√', '∫', '≈', '≠', '≤',
                                       '≥', '←', '↑', '→', '↓', '↔', '↕',
                                       '•', '⁄', '‰', '™', '€');

  List2: array [0..193] of WideChar = ('€', '�', '‚', 'ƒ', '„', '…', '†', '‡',
                                       'ˆ', '‰', 'Š', '‹', 'Œ', '�', 'Ž', '�', '�', '‘', '’', '“', '”', '•', '–', '—',
                                       '˜', '™', 'š', '›', 'œ', '�', 'ž', 'Ÿ', ' ', '¡', '¢', '£', '¤', '¥', '¦', '§',
                                       '¨', '©', 'ª', '«', '¬', '­', '®', '¯', '°', '±', '²', '³', '´', 'µ', '¶', '·',
                                       '¸', '¹', 'º', '»', '¼', '½', '¾', '¿', 'À', 'Á', 'Â', 'Ã', 'Ä', 'Å', 'Æ', 'Ç',
                                       'È', 'É', 'Ê', 'Ë', 'Ì', 'Í', 'Î', 'Ï', 'Ð', 'Ñ', 'Ò', 'Ó', 'Ô', 'Õ', 'Ö', '×',
                                       'Ø', 'Ù', 'Ú', 'Û', 'Ü', 'Ý', 'Þ', 'ß', 'à', 'á', 'â', 'ã', 'ä', 'å', 'æ', 'ç',
                                       'è', 'é', 'ê', 'ë', 'ì', 'í', 'î', 'ï', 'ð', 'ñ', 'ò', 'ó', 'ô', 'õ', 'ö', '÷',
                                       'ø', 'ù', 'ú', 'û', 'ü', 'ý', 'þ', 'ÿ', '─', '│', '┌', '┐', '└', '┘', '├', '┤',
                                       '┬', '┴', '┼', 'α', 'β', 'γ', 'Δ', '∑', '√', '∫', '≈', '≠', '≤', '≥', '←', '↑',
                                       '→', '↓', '↔', '↕', '•', '⁄', '‰', '™', '€', '─', '│', '┌', '┐', '└', '┘', '├',
                                       '┤', '┬', '┴', '┼', 'α', 'β', 'γ', 'Δ', '∑', '√', '∫', '≈', '≠', '≤', '≥', '←',
                                       '↑', '→', '↓', '↔', '↕', '•', '⁄', '‰', '™', '€');
var
  I: Integer;
  Q: string;
  C: Char;
begin
  Result := AText;

  for I := 1 to Length(Result) do
  begin
    Q := Result[I] + Result[I + 1] + Result[I + 2];

    if (Q[1] = '%') and (Q[2] in ['0'..'9', 'A'..'F']) and (Q[3] in ['0'..'9', 'A'..'F']) then
    begin
      C := Chr(StrToInt('$' +  Q[2] + Q[3]));
      Result := StringReplace(Result, Q, C, [rfReplaceAll]);
    end;
  end;

  for I := 0 to 193 do
    Result := StringReplace(Result, List1[I], List2[I], [rfReplaceAll]);

  for I := 1 to Length(Result) do
  begin
    Q := Result[I];
    if (Utf8ToAnsi(Q) <> '') then
    begin
      C := Utf8ToAnsi(Q)[1];

      Result := StringReplace(Result, Q, C, [rfReplaceAll])
    end;
  end;

  Q := Utf8Decode(Result);
  if Q <> '' then
    Result := Q;
end;

function MyFunction(const Text: string): string;
const
  HTMLTags: array [0..26] of string = ('<i>', '</i>', '<a>','</a>','<b>','</b>','<small>','</small>','<u>','</u>','<tr>','</tr>','<td>','</td>','<h1>','</h1>','<h2>','</h2>','<h3>','</h3>','<tr>','<p>','</p>','<br>','<table>','</table>', ' ');
var
  TEMP: string;
  I: Integer;
begin
  TEMP := Text;

  for I := 0 to High(HTMLTags) do
    TEMP := StringReplace(TEMP, HTMLTags[I], '', [rfReplaceAll]);

  TEMP := StringReplace(TEMP, '>', '>', [rfReplaceAll]);
  TEMP := StringReplace(TEMP, '<', '<', [rfReplaceAll]);
  TEMP := StringReplace(TEMP, '&amt;', '&', [rfReplaceAll]);
  TEMP := StringReplace(TEMP, '&', '&', [rfReplaceAll]);
  TEMP := StringReplace(TEMP, '•', '•', [rfReplaceAll]);
  TEMP := StringReplace(TEMP, ''', '''', [rfReplaceAll]);

  Result := TEMP;
end;
rd3
Ehemaliges Mitglied
Erhaltene Danke: 1



BeitragVerfasst: Di 30.09.08 14:17 
Danke für die Mühe.

Nein, leider ist es das nicht direkt.

In dem Quelltext existieren gar keine Sonderzeichen mehr, sondern nur "&xxxxx;" "Sachen"... Jedes Sonderzeichen ist in eine Entity gewechselt worden...

Vllt ne andere Idee?

Viele Grüße,

rd3
Jakob_Ullmann
ontopic starontopic starontopic starontopic starontopic starontopic starofftopic starofftopic star
Beiträge: 1747
Erhaltene Danke: 15

Win 7, *Ubuntu GNU/Linux*
*Anjuta* (C, C++, Python), Geany (Vala), Lazarus (Pascal), Eclipse (Java)
BeitragVerfasst: Di 30.09.08 15:30 
ja, du übersetzt halt die Entities in normale Sonderzeichen, und dann zählen.

EDIT: Du kannst das auch mit regulären Ausdrücken regeln, dann sollte es einfacher gehen, dass du halt '&[\w]?;|&#[\d]?;|&#x[\d]?;' als Ausdruck verwendest (ungetestet).
rd3
Ehemaliges Mitglied
Erhaltene Danke: 1



BeitragVerfasst: Di 30.09.08 16:19 
ohne entitie-umwandlung!