/common/libraries/plugin/html2pdf/parsingHTML.class.php

<?php

/**

 * Logiciel : HTML2PDF - classe ParsingHTML

 *

 * Convertisseur HTML => PDF, utilise TCPDF 

 * Distribué sous la licence LGPL. 

 *

 * @author		Laurent MINGUET <webmaster@html2pdf.fr>

 * @version		4.00

 */



class parsingHTML

{

	protected	$html		= '';				// code HTML ? parser

	protected	$num		= 0;				// numéro de table

	protected	$level		= 0;				// niveaux de table

	protected	$encoding	= '';				// encodage

	public		$code		= array();			// code HTML parsé

	

	/**

	 * Constructeur

	 *

	 * @return	null

	 */

	public function __construct($encoding = 'UTF-8')

	{

		$this->num		= 0;

		$this->level	= array($this->num);

		$this->html		= '';

		$this->code		= array();

		$this->setEncoding($encoding);

	}

	

	public function setEncoding($encoding)

	{

		$this->encoding = $encoding;

	}

	

	/**

	 * Définir le code HTML ? parser

	 *

	 * @param	string code html

	 * @return	null

	 */

	public function setHTML($html)

	{

		$html = preg_replace('/<!--(.*)-->/isU', '', $html);

		$this->html = $html;

	}

	

	/**

	 * parser le code HTML

	 *

	 * @return	null

	 */

	public function parse()

	{

		$parents = array();



		// chercher les balises HTML du code

		$tmp = array();

		$this->searchCode($tmp);

		

		// identifier les balises une ? une

		$pre_in = false;

		$pre_br = array(

					'name' => 'br',

					'close' => false,

					'param' => array(

						'style' => array(),

						'num'	=> 0

					)

				);



		$balises_no_closed = array(

									'br', 'hr', 'img', 'col',

									'input', 'link', 'option',

									'circle', 'ellipse', 'path', 'rect', 'line', 'polygon', 'polyline'

							);

		$todos = array();

		foreach($tmp as $part)

		{

			// si c'est un code

			if ($part[0]=='code')

			{

				$res = $this->analiseCode($part[1]);

				

				// si le code est bien un code analisable

				if ($res)

				{

					$res['html_pos'] = $part[2];

					if (!in_array($res['name'], $balises_no_closed))

					{

						if ($res['close'])

						{

							if (count($parents)<1)

								HTML2PDF::makeError(3, __FILE__, __LINE__, $res['name'], $this->getHtmlErrorCode($res['html_pos']));

							else if ($parents[count($parents)-1]!=$res['name'])

								HTML2PDF::makeError(4, __FILE__, __LINE__, $parents, $this->getHtmlErrorCode($res['html_pos']));

							else

								unset($parents[count($parents)-1]);

						}

						else

						{

							if ($res['autoclose'])

							{

								$todos[] = $res;

								$res['params'] = array();

								$res['close'] = true;

							}

							else

								$parents[count($parents)] = $res['name'];

													

						}

						if (($res['name']=='pre' || $res['name']=='code') && !$res['autoclose'])

								$pre_in = !$res['close'];

					}

					

					$todos[] = $res;

				}

				// sinon (code non analisable) => on le transforme en texte

				else

				{

					$part[0]='txt';

				}

			}

			// sinon si c'est un texte

			if ($part[0]=='txt')

			{

				// enregistrer l'action correspondante

				if (!$pre_in)

				{

					// remplacer tous les espaces, tabulations, saufs de ligne multiples par de simples espaces

					$todos[] = array(

									'name'	=> 'write',

									'close'	=> false,

									'param' => array('txt' => $this->prepareTxt($part[1])),

								);

				}

				else

				{

					$part[1] = str_replace("\r", '', $part[1]);

					$part[1] = explode("\n", $part[1]);

					

					foreach($part[1] as $k => $txt)

					{

						$txt = str_replace("\t", '        ', $txt);

						$txt = str_replace(' ', '&nbsp;', $txt);

						if ($k>0) $todos[] = $pre_br;



						$todos[] = array(

										'name'	=> 'write',

										'close'	=> false,

										'param' => array('txt' => $this->prepareTxt($txt, false)),

									);

					}

				}

			}	

		}



		// pour chaque action identifiée, il faut nettoyer le début et la fin des textes

		// en fonction des balises qui l'entourent.

		$balises_clean = array('page', 'page_header', 'page_footer', 'form',

								'table', 'thead', 'tfoot', 'tr', 'td', 'th', 'br',

								'div', 'hr', 'p', 'ul', 'ol', 'li',

								'h1', 'h2', 'h3', 'h4', 'h5', 'h6',

								'bookmark',

								'draw', 'circle', 'ellipse', 'path', 'rect', 'line', 'g', 'polygon', 'polyline');

		$nb = count($todos);

		for($k=0; $k<$nb; $k++)

		{

			//si c'est un texte

			if ($todos[$k]['name']=='write')

			{

				// et qu'une balise spécifique le préc?de => on nettoye les espaces du début du texte

				if ($k>0 && in_array($todos[$k-1]['name'], $balises_clean))

					$todos[$k]['param']['txt'] = ltrim($todos[$k]['param']['txt']);



				// et qu'une balise spécifique le suit => on nettoye les espaces de la fin du texte

				if ($k<count($todos)-1 && in_array($todos[$k+1]['name'], $balises_clean))

					$todos[$k]['param']['txt'] = rtrim($todos[$k]['param']['txt']);

					

				if (!strlen($todos[$k]['param']['txt']))

					unset($todos[$k]);

			}

		}

		if (count($parents)) HTML2PDF::makeError(5, __FILE__, __LINE__, $parents);



		// liste des actions sauvée

		$this->code = array_values($todos);

	}

	

	/**

	 * preparer le texte une seule fois pour gagner du temps. vient de o_WRITE

	 *

	 * @param	string texte

	 * @return	string texte

	 */

	protected function prepareTxt($txt, $spaces = true)

	{

		if ($spaces) $txt = preg_replace('/\s+/is', ' ', $txt);

		$txt = str_replace('&euro;', '&#x20AC;', $txt);

		$txt = html_entity_decode($txt, ENT_QUOTES, $this->encoding);

		return $txt;

	}

	

	/**

	 * parser le code HTML

	 *

	 * @param	&array	tableau de retour des données

	 * @return	null

	 */

	protected function searchCode(&$tmp)

	{

		// séparer les balises du texte

		$tmp = array();

		$reg = '/(<[^>]+>)|([^<]+)+/isU';



		// pour chaque élément trouvé :

		$str = '';

		$offset = 0;

		while(preg_match($reg, $this->html, $parse, PREG_OFFSET_CAPTURE, $offset))

		{

			// si une balise a été détectée

			if ($parse[1][0])

			{

				// sauvegarde du texte précédent si il existe

				if ($str!=='')	$tmp[] = array('txt',$str);

	

				// sauvegarde de la balise

				$tmp[] = array('code',trim($parse[1][0]), $offset);

				

				// initialisation du texte suivant

				$str = '';

			}

			else

			{

				// ajout du texte ? la fin de celui qui est déj? détecté

				$str.= $parse[2][0];

			}

			// Update offset to the end of the match

			$offset = $parse[0][1] + strlen($parse[0][0]);

			unset($parse);

		}

		// si un texte est présent ? la fin, on l'enregistre

		if ($str!='') $tmp[] = array('txt',$str);

		unset($str);

	}

	

	/**

	 * analyse une balise HTML

	 *

	 * @param	string	code HTML ? identifier

	 * @return	array	action correspondante

	 */

	protected function analiseCode($code)

	{

		// nom de la balise et ouverture ou fermeture

		$balise = '<([\/]{0,1})([_a-z0-9]+)([\/>\s]+)';

		if (!preg_match('/'.$balise.'/isU', $code, $match))

			return null;



		$close	= ($match[1]=='/' ? true : false);

		$autoclose = preg_match('/\/>$/isU', $code);

		$name	= strtolower($match[2]);

		

		// param?tres obligatoires en fonction du nom de la balise

		$param	= array();

		$param['style'] = '';

		if ($name=='img')	{ $param['alt'] = '';	$param['src'] = ''; }

		if ($name=='a')		{ $param['href'] = '';	}

		

		// lecture des paramétres du type nom=valeur

		$prop = '([a-zA-Z0-9_]+)=([^"\'\s>]+)';

		preg_match_all('/'.$prop.'/is', $code, $match);

		for($k=0; $k<count($match[0]); $k++)

			$param[trim(strtolower($match[1][$k]))] = trim($match[2][$k]);



		// lecture des paramétres du type nom="valeur"

		$prop = '([a-zA-Z0-9_]+)=["]([^"]*)["]';

		preg_match_all('/'.$prop.'/is', $code, $match);

		for($k=0; $k<count($match[0]); $k++)

			$param[trim(strtolower($match[1][$k]))] = trim($match[2][$k]);



		// lecture des paramétres du type nom='valeur'

		$prop = "([a-zA-Z0-9_]+)=[']([^']*)[']";

		preg_match_all('/'.$prop.'/is', $code, $match);

		for($k=0; $k<count($match[0]); $k++)

			$param[trim(strtolower($match[1][$k]))] = trim($match[2][$k]);

	

		// mise en conformité en style de chaque param?tre

		$color	= "#000000";

		$border	= null;

		foreach($param as $key => $val)

		{

			$key = strtolower($key);

			switch($key)

			{

				case 'width':

					unset($param[$key]);

					$param['style'] = 'width: '.$val.'px; '.$param['style'];

					break;



				case 'align':

					if ($name==='img')

					{

						unset($param[$key]);

						$param['style'] = 'float: '.$val.'; '.$param['style']; 

					} 

					elseif ($name!=='table')

					{

						unset($param[$key]);

						$param['style'] = 'text-align: '.$val.'; '.$param['style'];

					}

					break;

					

				case 'valign':

					unset($param[$key]);

					$param['style'] = 'vertical-align: '.$val.'; '.$param['style'];

					break;

					

				case 'height':

					unset($param[$key]);

					$param['style'] = 'height: '.$val.'px; '.$param['style'];

					break;



				case 'bgcolor':

					unset($param[$key]);

					$param['style'] = 'background: '.$val.'; '.$param['style'];

					break;



				case 'bordercolor':

					unset($param[$key]);

					$color = $val;

					break;



				case 'border':

					unset($param[$key]);

					if (preg_match('/^[0-9]$/isU', $val)) $val = $val.'px';

					$border = $val;

					break;

				

				case 'cellpadding':

				case 'cellspacing':

					if (preg_match('/^([0-9]+)$/isU', $val)) $param[$key] = $val.'px';

					break;

					

				case 'colspan':

				case 'rowspan':

					$val = preg_replace('/[^0-9]/isU', '', $val);

					if (!$val) $val = 1;

					$param[$key] = $val;

					break;

			}

		}

		if ($border!==null)

		{

			if ($border)	$border = 'border: solid '.$border.' '.$color;

			else			$border = 'border: none';

			

			$param['style'] = $border.'; '.$param['style'];

			$param['border'] = $border;

		}

		

		// lecture des styles - décomposition

		$styles = explode(';', $param['style']);

		$param['style'] = array();

		foreach($styles as $style)

		{

			$tmp = explode(':', $style);

			if (count($tmp)>1)

			{

				$cod = $tmp[0]; unset($tmp[0]); $tmp = implode(':', $tmp); 

				$param['style'][trim(strtolower($cod))] = preg_replace('/[\s]+/isU', ' ', trim($tmp));

			}

		}

		

		// détermination du niveau de table pour les ouverture, avec ajout d'un level

		if (in_array($name, array('ul', 'ol', 'table')) && !$close)

		{

			$this->num++;

			$this->level[count($this->level)] = $this->num;

		} 

		

		// attribution du niveau de table o? se trouve l'élément

		if (!isset($param['num'])) $param['num'] = $this->level[count($this->level)-1];



		// pour les fins de table : suppression d'un level

		if (in_array($name, array('ul', 'ol', 'table')) && $close)

		{

			unset($this->level[count($this->level)-1]);

		} 



		if (isset($param['value']))	$param['value']	= $this->prepareTxt($param['value']);

		if (isset($param['alt']))	$param['alt']	= $this->prepareTxt($param['alt']);

		if (isset($param['title']))	$param['title']	= $this->prepareTxt($param['title']);

		if (isset($param['class']))	$param['class']	= $this->prepareTxt($param['class']);

		

		// retour de l'action identifiée

		return array('name' => $name, 'close' => $close ? 1 : 0, 'autoclose' => $autoclose, 'param' => $param);

	}

	

	// récupérer un niveau complet d'HTML entre une ouverture de balise et la fermeture correspondante

	public function getLevel($k)

	{

		// si le code n'existe pas : fin

		if (!isset($this->code[$k])) return array();

		

		// quelle balise faudra-t-il détecter

		$detect = $this->code[$k]['name'];

		

		$level = 0;			// niveau de profondeur

		$end = false;		// etat de fin de recherche

		$code = array();	// code extrait

		

		// tant que c'est pas fini, on boucle

		while (!$end)

		{

			// action courante

			$row = $this->code[$k];

			

			// si write => on ajoute le texte

			if ($row['name']=='write')

			{

				$code[] = $row;

			}

			// sinon, c'est une balise html

			else

			{

				$not = false; // indicateur de non prise en compte de la balise courante

				

				// si c'est la balise que l'on cherche

				if ($row['name']==$detect)

				{

					if ($level==0) { $not = true; }					// si on est ? la premiere balise : on l'ignore

					$level+= ($row['close'] ? -1 : 1);				// modification du niveau en cours en fonction de l'ouvertre / fermeture

					if ($level==0) { $not = true; $end = true; }	// si on est au niveau 0 : on a fini

				}

				

				// si on doit prendre en compte la balise courante

				if (!$not)

				{

					if (isset($row['style']['text-align'])) unset($row['style']['text-align']);

					$code[] = $row;

				}

			}

			

			// on continue tant qu'il y a du code ? analyser...

			if (isset($this->code[$k+1]))

				$k++;

			else

				$end = true;

		}

		

		// retourne le code extrait

		return $code;

	}

	

	public function getHtmlErrorCode($pos)

	{

		return substr($this->html, $pos-30, 70);

	}

}