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

Language PHP Lines 482
MD5 Hash f7f50011d24ba998811f5504565420b7 Estimated Cost $8,569 (why?)
Repository https://bitbucket.org/renaatdemuynck/chamilo View Raw File View Project SPDX
  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
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
<?php
/**
 * Logiciel : HTML2PDF - classe ParsingHTML
 *
 * Convertisseur HTML => PDF, utilise TCPDF 
 * Distribu� sous la licence LGPL. 
 *
 * @author		Laurent MINGUET <webmaster@html2pdf.fr>
 * @version		4.00
 */

class parsingHTML
{
    protected $html = ''; // code HTML � parser
    protected $num = 0; // num�ro de table
    protected $level = 0; // niveaux de table
    protected $encoding = ''; // encodage
    public $code = array(); // code HTML pars�

    
    /**
     * 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;
    }

    /**
     * D�finir 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 identifi�e, il faut nettoyer le d�but 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[$k]['name'] == 'write')
            {
                // et qu'une balise sp�cifique le pr�c�de => on nettoye les espaces du d�but du texte
                if ($k > 0 && in_array($todos[$k - 1]['name'], $balises_clean))
                    $todos[$k]['param']['txt'] = ltrim($todos[$k]['param']['txt']);
                
     // et qu'une balise sp�cifique 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 sauv�e
        $this->code = array_values($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;', '�', $txt);
        $txt = html_entity_decode($txt, ENT_QUOTES, $this->encoding);
        return $txt;
    }

    /**
     * parser le code HTML
     *
     * @param	&array	tableau de retour des donn�es
     * @return	null
     */
    protected function searchCode(&$tmp)
    {
        // s�parer les balises du texte
        $tmp = array();
        $reg = '/(<[^>]+>)|([^<]+)+/isU';
        
        // pour chaque �l�ment trouv� :
        $str = '';
        $offset = 0;
        while (preg_match($reg, $this->html, $parse, PREG_OFFSET_CAPTURE, $offset))
        {
            // si une balise a �t� d�tect�e
            if ($parse[1][0])
            {
                // sauvegarde du texte pr�c�dent 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 d�j� d�tect�
                $str .= $parse[2][0];
            }
            // Update offset to the end of the match
            $offset = $parse[0][1] + strlen($parse[0][0]);
            unset($parse);
        }
        // si un texte est pr�sent � la fin, on l'enregistre
        if ($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 param�tres 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 param�tres 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 param�tres 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 conformit� 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 - d�composition
        $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));
            }
        }
        
        // d�termination 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'�l�ment
        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 identifi�e
        return array('name' => $name, 'close' => $close ? 1 : 0, 'autoclose' => $autoclose, 'param' => $param);
    }

    // r�cup�rer 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 d�tecter
        $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);
    }
}
Back to Top