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

<?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);

    }

}