Búsqueda muy específica en un string...

[JuanBCT]

Hola, les agradezco por responder tan rápido; si bien no solucioné el problema me voy orientando más...

Empezado por Roman

Por otra parte, aún evitando colocar la secuencia &nbsp; en los espacios entre parámetros de una etiqueta, ¿qué pasa con todos los demás espacios? Los espacios normales entre palabras. Dirán ustedes, bueno, ¡qué importa! de cualquier manera son espacios que deben aparecer en la representación visual. Sí, pero además de saturar el archivo HTML con caracteres innecesarios con el consecuente aumento en el tiempo de descarga, no olvidemos que &nbsp;viene de non breaking space, es decir un espacio que impedirá que se corte la línea de salida, así que todo el contenido del archivo HTML se verá en una sóla línea (al menos grandes partes hasta no encontrarse una etiqueta que obligue al cambio de párrafo como <p>).

No podría hacer algo así: "Ubicar lo que está después de un > HASTA el 1er caracter <> a ' ' Y de longitud>0"

Luego, esto lo paso a otro string (ej: STEMP) y ejecuto:

STEMP:=StringReplace(STEMP, ' ','&nbsp', [rfReplaceAll, rfIgnoreCase]);

... y esto que obtengo lo reemplazo en el string que leí originalmente...

Creo que de esta manera: 1) Evito poner los &nbsp en los espacios entre las etiquetas
2) Evito poner &nbsp innecesarios, porque teóricamente el string temporal tendría que estar cargado con espacios, o nada si el texto está totalmente contra el margen....

Bueno, voy a ver si lo pruebo; les voy a agradecer cualquier comentario/ayuda al respecto...

Saludos!!!

[Elfoscuro]

Yo lo que haría sería:

Lees y si encuentras un '<', avanzas hasta que encuentres un '>'.

Empiezas a pasar chars a una string temporal hasta que vuelvas a encontrar un '<'.

Si la cadena es diferente de '', entonces miro el primer char, y si es espacio, lo sustituyo.

******** Pregunta: la cadena '&nbsp; algo' ¿ya serviría? Es decir, que si el primer char no es un espacio, ¿el HTML muestra lo que haya, íntegro?

Después añades a la salida la cadena temporal y sigues.

Un saludo

[[Al González]]

¡Hola a todos!

Sin duda un asunto relativamente complejo, más no debemos complicarnos.

Empezado por Elfoscuro

...Pregunta: la cadena '&nbsp; algo' ¿ya serviría? Es decir, que si el primer char no es un espacio, ¿el HTML muestra lo que haya, íntegro?...

Tengo esa misma duda, es decir, si tenemos una expresión HTML como:

<Etiqueta> Cien Años De Soledad </Etiqueta>

cuyo valor interno, « Cien Años De Soledad », tiene dos espacios de prefijo y dos de sufijo, ¿bastaría dejarla así?:

<Etiqueta>&nbsp; Cien Años De Soledad &nbsp;</Etiqueta>

¿o sería necesario dejarla así?:

<Etiqueta>&nbsp;&nbsp;Cien Años De Soledad&nbsp;&nbsp;</Etiqueta>

Me inclino a pensar que con un sólo «&nbsp;» de cada lado bastaría, como en la primera opción.

Haré una prueba y enseguida regreso.

Un favor: ¿podrían insertar algunos saltos de línea en sus mensajes para mejor apreciación del tema en resolución de 800 X 600 pixeles? Gracias.

Al González.

[[Al González]]

¡Hola de nuevo!

Comprobé que si es necesario un «&nbsp;» por cada espacio del prefijo y del sufijo del valor String que se encuentra entre etiquetas.

Juan:

Desarrollé una función de nombre HTMLEspaciado que nos permite solucionar este tipo de casos. He aquí el código:

Código Delphi [-]
...
implementation

{$R *.dfm}

Uses
  StrUtils;

Function HTMLEspaciado (Const Cadena :String;
  Const IndicadorTemporal :Char = #255) :String;
Var
  Incremento, Indice, Ultimo :Integer;
  CaracterEtiqueta :Char;  { Carácter de Etiqueta }

  Procedure Espaciar;
  Var
    CaracterBuscado :Char;  { Carácter Buscado }
  Begin
    CaracterBuscado := CaracterEtiqueta;

    Repeat
      If Result [Indice] = CaracterBuscado Then
        If CaracterBuscado = CaracterEtiqueta Then
          CaracterBuscado := ' '
        Else
          Result [Indice] := IndicadorTemporal
      Else
        If CaracterBuscado = ' ' Then
          CaracterBuscado := CaracterEtiqueta;

      Inc (Indice, Incremento);
    Until Indice = Ultimo;
  End;
Begin
  Result := Cadena;

  If Result = '' Then
    Exit;

  CaracterEtiqueta := '>';
  Indice := 1;
  Incremento := 1;
  Ultimo := Length (Cadena);
  Espaciar;
  CaracterEtiqueta := '<';
  Indice := Length (Cadena);
  Incremento := -1;
  Ultimo := 1;
  Espaciar;
  Result := ANSIReplaceStr (Result, IndicadorTemporal, '&' + 'nbsp;');
End;

procedure TForm1.Button1Click(Sender: TObject);
begin
  Edit2.Text := HTMLEspaciado (Edit1.Text);
end;
...

NOTA: En la línea «Result := ANSIReplaceStr...» separé la expresión '&nbsp;' en dos partes, para evitar un problema de interpretación HTML encontrado al exponer dicha expresión en formato de código Delphi. Para su utilización real no es necesario que dicha expresión esté separada.

La función HTMLEspaciado asume que todos los símbolos de menor que (<) y mayor que (>) de la cadena dada son delimitadores de etiquetas HTML, y ninguno de ellos parte de un valor que literalmente contenga esos símbolos, ya que para ello se utilizan los códigos especiales «&lt;» y «&gt;».

Realicé varias pruebas. En una de ellas introduzco la cadena '<Etiqueta de prueba> Cien Años De Soledad </Etiqueta de prueba>' en Edit1, con dos espacios a cada lado de la subcadena 'Cien Años De Soledad'. Al oprimir el botón Button1, queda en Edit2 la cadena resultante '<Etiqueta de prueba>&nbsp;&nbsp;Cien Años De Soledad&nbsp;&nbsp;</Etiqueta de prueba>'.

Es posible que tengamos que hacer más pruebas, o añadir funcionalidad extra a la rutina, pero creo que por lo pronto tenemos un avance importante.

Estoy considerando incluir esta función en la biblioteca Interfaz GH, porque me parece una necesidad relativamente común esto de "espaciar" valores HTML.

Espero esto sea de utilidad, seguimos en contacto.

Al González.

[[Al González]]

¡Hola a todos!

Juan:

Me quedé con la duda de si te sirvió la función que escribí, o de qué forma solucionaste el problema planteado. ¿Podrías compartir con nosotros tus avances al respecto? Por favor.

Gracias.

Seguimos en contacto.

Al González.

[JuanBCT]

Hola Al! Ante todo, mil disculpas a todos por lo que demoré en responder.
Traté de usar tu función pero no me funcionó, creo que porque uso Delphi 5 (no me encontraba la librería strutils; la q descubrí que se halla en las librerías rxlib - pero la versión de Delphi 5 de estas no traían la procedure de ANSIReplaceStr).
Igualmente, gracias a las ideas q uds. aportaron, se me ocurrió hacerlo de esta forma:

1) Leo cada línea del HTML con un for, y busco caracter='>' y caracter[i+1]=' '.
2) En una variable guardo la posición donde se encuentra el primer ' ' (la llamé istart) y voy buscando a ver si los siguientes también son espacio, cada vez q pasa guardo la posición en iend (al final va a tener la posición del último espacio antes de la primer letra).
3) Corto el string en dos, y los guardo en archivos temporales: Uno es desde el principio del string hasta la posición del último caracter antes del espacio, otro es desde el último espacio hasta el final del string ( Length(String) ).
4) Me olvidé de decir antes que guardé la cantidad de espacios en otra variable, asi que hago lo siguiente: En otro string mas [i]pego la primer parte, luego inserto tantos '&nbsp' como el contador de espacios tenga, luego pego la segunda parte que tenía cortada.

Es básicamente eso. Seguramente se puede hacer de forma más eficiente, sin tantos strings temporales y código; pero bueno, lo fuí haciendo sobre la marcha, funciona bastante rápido.... aparte soy medio cavernícola para programar!!!

Bueno, les muestro la parte del código que hice, les agradezco infinitamente a todos por su tiempo.
Aquí va:

Código Delphi [-]
 //Archiv es el stringlist en donde cargué el HTML
SS:=archiv.Strings[A];
//==========================================================================
// :: RUTINA - AGREGADO DE "&nbsp"
//Busco los primeros espacios luego del > que no tenga como próximo un <, y
//reemplazo por &nbsp
//==========================================================================
//1) Voy a tener dos variables integer: istart, iend. Ahí voy a guardar las
// posiciones dentro del string donde empiezan los espacios en la línea
// y donde terminan.
// Entonces: Leo y pregunto si el caracter es ">":
//==========================================================================
for indicess:=0 to Length(SS) -1 do
  begin
  if (SS[indicess]='>') then
    begin
    if (SS[indicess+1]=' ') then
     begin
     istart:=indicess;
     indice2:=indicess;
     //Paso a usar otro indice, "indice2" para localizar donde empieza el caracter
    while indice2<>iend do
    begin
      indice2:=indice2 + 1;
        if (SS[indice2]<>' ') then
          begin
            iend:=indice2;
          end;
    end;
end;
//Ahora, a partir de que encontré el primer espacio y grabé el comienzo;
//sigo leyendo y grabo el final cada vez que encuentre otro espacio...
end;
end;
//==========================================================================
//2)Ok, después de todo esto me quedo con dos valores, ISTART e IEND.
//LA CANTIDAD DE ESPACIOS QUE TENGO QUE INSERTAR ES (IEND-ISTART-1)
//Calculemosla:
cantinst:=(iend-istart-1);
//Bien, ahora insertemos a partir del istart la cantidad cantinst de &nbsp
//O más facil aún: Copio el string desde el principio hasta ISTART y la
//grabo en un string temporal, STA. También copio el string desde IEND hasta
//Length(SS) y la paso a STB.
//Ahora, armo STFINAL así: Copio STA
// Concateno '&nbsp' CANTINST veces
// Concateno STB
// Y listo!
// Entonces:
sta:=Copy(SS,0,istart);
stb:=Copy(SS,iend,Length(SS));
stfinal:=sta;
for indice3:=0 to cantinst -1 do
  begin
    stfinal:=stfinal+'&nbsp';
  end;
stfinal:=stfinal + stb;
SS:=stfinal;

Saludos!!!!!!

[[Al González]]

¡Buen día a todos!

Empezado por JuanBCT

...Traté de usar tu función pero no me funcionó, creo que porque uso Delphi 5 (no me encontraba la librería strutils; la q descubrí que se halla en las librerías rxlib - pero la versión de Delphi 5 de estas no traían la procedure de ANSIReplaceStr).

Hice la función HTMLEspaciado utilizando Delphi 7, versión donde se encuentra de forma nativa una unidad llamada StrUils, la cual contiene a la función ANSIReplaceStr.

Para compilarlo en Delphi 5, creo que bastaría susituir la llamada a ANSIReplaceStr por alguna otra función que sirva para reemplazar subcadenas, como StringReplace (no recuerdo si viene en Delphi 5) o alguna otra.

Empezado por JuanBCT

...Seguramente se puede hacer de forma más eficiente, sin tantos strings temporales y código...

Así es, con HTMLEspaciado (con las adaptaciones necesarias para Delphi 5, si son tan amables de ayudarnos los demás compañeros del foro ), por poner un ejemplo.

Gracias por mantenernos informado.

¡Un abrazo!

Al González.

P.D. ¿Podrían insertar algunos saltos de línea para leer adecuadamente este hilo en resolución de 800 X 600 pixeles? Gracias.

[mamcx]

A lo que vengo es que estas es haciendo un PARSER. Si eso es complicado, de hacerlo manualmente.

El punto es que el HTML (asi como el C++) son muy dificiles de parsear. Hay muchas formas en como las supociciones se convierten en problemas. Nada te garantiza que el html siga exactamente lo que uno piensa. Aun cuando un programa lo genera, vaya uno a saber si DOS veces y SIEMPRE hara lo mismo. En el momento que pase:

Código PHP:

 <FONT SIZE=-2 bgcolor=FFFF>  //otros atributos
 Sector programación</FONT>
 
 <FONT SIZE=-2>  Sector programación</FONT> //dos espacios
 
 <FONT SIZE=-2> 
 Sector programación</FONT> 
 
 <FONT SIZE=-2> 
  Sector > programación</FONT> 
 
 <FONT SIZE=-2>&nspSector programación</FONT> //meteria un espacio mas
 
 <FONT> </FONT> //una etiqueta vacia
 <FONT> Sector >programación <-- comentario html --/></FONT> 


y aunque en fin, tal vez me estoy imaginando los problemas, en armar parsers SOLO se deben cubrir los casos VALIDOS y olvidar los invalidos.

De hecho, la logica de lo que piensas hacer es mas o menos:

Detectar las etiquetas FONT, ir al caracter de cierre, mirar si hay espacios, insertar los caracteres.

Me tome la molestia de armar una expresion regular y ademas te la explico:

Código PHP:

 \<FONT(?<atributos>.*)\>(?<espacio>\s)+(?<titulo>.+)\<\/FONT\> 


\< = detectar a "<" tal cual (es como evitar que se cojan los comandos / caracteres reservados del lenguaje de expresiones regulares

FONT = Detectar la secuencia exacta de caracteres FONT

(?<atributos>.*) = Realizar una captura con el nombre atributos
.* =Cualquier secuencia de caracteres con espacios y todo

\> = detectar a ">" tal cual

(?<espacio>\s) = Realizar una captura con el nombre espacio
\s = Detecta un espacio

+ = La captura anterior, ejecutarla por lo menos por un espacio detectado hasta cuantos espacios existan

(?<titulo>.+) = Realizar una captura con el nombre titulo
.+ = Cualquier secuencia de caracteres que sea encontrada AL MENOS una vez

Como vez, un monton de logica de programacion condensada en una linea de codigo

Para reemplazar:

Código PHP:

 <FONT ${atributos}>&nbsp${titulo}</FONT> 


Esta expresion cubre MUCHAS mas posibilidades que el codigo que estabas planteando, aunque de los ejemplos que te mostre no cojeria si hay un ENTER entre los caracteres del titulo. Por ejemplo captura

Código PHP:

 <FONT  SIZE=-2> Sector programación/FONT>
 <FONT  SIZE=-2>                     Sector programación/FONT>
 <FONT> Sector programación/FONT>
 <FONT>            Sector >programación</FONT> 


pero no:

Código PHP:

 <FONT  SIZE=-2 bgcolor=FFFF>&nbspSector programación/FONT>
 <FONT  
 <FONT  SIZE=-2 bgcolor=FFFF> Sector programaciónFONT>
 <FONT>Sector programación</FONT> //Si quieres que esta la coja, cambia + por * despues de captura con nombre espacio 


Todavia quedan varios casos por fuera, pero es la idea...