Версия для печати темы Нажмите сюда для просмотра этой темы в оригинальном формате

Форум программистов > Java: GUI и Java FX приложения > HTML-код выделенного фрагмента

Автор: nornad 15.5.2007, 14:20

Эх... шансов, думаю, мало, но всё же... В общем, сабж - как из JTextPane получить HTML-код выделенного фрагмена? Пример: Есть такой хтмл: Код <html> <body>   Тут идёт какой-то текст <i>и <a href="b.htm">ссылка</a>, а потом снова</i> текст. </body> </html> В редакторе выделен текст, скажем между двумя словами "текст" (выше я его "выделил" курсивом). Если использовать doc.getText() для выделенного, то получим Код и ссылка, а потом снова а мне надо получить Код и <a href="b.htm">ссылка</a>, а потом снова Уже голову сломал в раздумьях.    Добавлено через 6 минут и 24 секунды В принципе, достаточно иметь возможность перевести "текстовую" позицию каретки в позицию в HTML-коде.

Автор: nornad 16.5.2007, 03:30

М-да... Вижу, знатоков-извращенцев JTextPane за месяц тут не прибавилось.   Нашёл у одних ребят в проекте решение, но пока ещё не разобрался. Позже отпишусь, что да как.

Автор: _Y_ 16.5.2007, 10:31

Что за ерунда? Я вроде постил сюда вчера свои соображения по сабжу. Куда делось?

Автор: _Y_ 16.5.2007, 11:26

Я уже успешно забыл что там писал, но идея была примерно такая: Берем из JTextPane только текст без HTML тегов, т.е. неразмеченный текст, и определяем две его части: находящуюся перед выделенным фрагментом и идущую после выделенного фрамента. Загоняем содержание JTextPane (теперь уже взятое как HTML документ) в XML Document. Если я не ошибаюсь, именно стандартный пакет DOM легко позволяет получить текст без тегов, что и делаем. Теперь уже в этом, полученном из XML Document тексте (а он точно такой же как и исходный) находим те же две части. Убираем найденный текст из XML Document-а (только текст - хоть даже и посимвольно). Убираем из XML Document-а те теги, которые оказались пустыми. Получаем из XML Document-а требуемую HTML строку. Достоинство этого подхода в том, что форматирование сохраняется даже если выделен фрагмент part2 в строке типа: Код <i>part1 part2 part3</i> Очевидно, что в результате получится форматированная строка Код <i>part2</i>

Автор: nornad 16.5.2007, 17:22

М-да... из разряда извращений решение. Правда, чем дальше в лес, тем больше извращений с JTextPane приходится делать. Ежели с найденным у ребят кодом не разберусь, попробую копать в эту сторону.

Автор: nornad 17.5.2007, 01:03

Что-то я, похоже, перезанимался проблемами JTextPane - голова соображать отказывается... Ни код ребят разобрать не смог, ни нормально въехать в твою идею с ДОМом (в плане реализации). Если не в тягость - кинь примерчиком, плиз. Или хотя бы в общих чертах увидеть описание того, как: Цитата(_Y_ @  16.5.2007,  14:26 ) стандартный пакет DOM легко позволяет получить текст без тегов XML от него получал, а вот просто текст... Возможно (даже скорее всего) там всё просто, но голова отказывается варить...    Цитата(_Y_ @  16.5.2007,  14:26 ) Убираем найденный текст из XML Document-а (только текст - хоть даже и посимвольно) Тут я вообще не понял, как из ДОМа убрать текст (или всё же тэги?), основываясь на найденной позиции в общем тексте... Кстати, если знать, где начинается и заканчивается выделенный текстовый кусок в хтмле, то сложностей никаких и ДОМ уже не нужен. Кроме того, у тебя результат получается немного не того формата, что мне нужен. Поясню: Есть исходный хтмл: Код <i>part1 part2 <u>part3</u> part4</i> Выделение в тексте (показано жирным): part1 part2 part3 part4 У тебя результатом будет: Код <i>part2 <u>part3</u></i> А надо: Код part2 <u>part3</u>

Автор: _Y_ 17.5.2007, 23:26

Первое лирическое отступление: Проблема  в том, что задача, по определению, некорректная т.к. выделение делается в видимом тексте. Т.е. в случае если выделен текст граничащий с тегом, глупый комп не может решить включать тэг в выделение, не включать. А если тэгов несколько! Второе лирическое отступление: Сам я такого не делал и просто выдаю горбатую идею  Цитата(nornad @ 17.5.2007,  01:03) Если не в тягость - кинь примерчиком, плиз. Или хотя бы в общих чертах увидеть описание того, как: Цитата(_Y_ @  16.5.2007,  14:26 ) стандартный пакет DOM легко позволяет получить текст без тегов Вот я попробовал такой код: Код import java.io.IOException; import java.io.StringReader; import javax.xml.parsers.DocumentBuilderFactory; import javax.xml.parsers.ParserConfigurationException; import org.w3c.dom.Document; import org.xml.sax.InputSource; import org.xml.sax.SAXException; ................................ try {     Document doc = DocumentBuilderFactory.newInstance().newDocumentBuilder().parse(         new InputSource(new StringReader(         "<i>text1 <b>text2</b> text3</i>")));     System.out.println(doc.getDocumentElement().getTextContent()); } catch (SAXException e) { } catch (IOException e) { } catch (ParserConfigurationException e) { } Честно отдает  Код text1 text2 text3 Т.е. очищает строку от тэгов Цитата(nornad @ 17.5.2007,  01:03) Цитата(_Y_ @  16.5.2007,  14:26 ) Убираем найденный текст из XML Document-а (только текст - хоть даже и посимвольно) Тут я вообще не понял, как из ДОМа убрать текст (или всё же тэги?), основываясь на найденной позиции в общем тексте...  Не знаю, но предполагаю. Выделенный текст можно найти в полученном из ДОМа тексте. Потом взять текст идущий до него и использовать его для "очистки ДОМа". Я бы попробовал взять все элементы ДОМа и по очереди сравнивать их текстовое содержание (посимвольно?) с этим текстом. Все что сравнилось заменять на пустые строки. То же самое сделать и используя текст, идущий после выделенного. В результате, если мы , например, выделяем text3 в Код   <i>text1 <u>text2</u> <b>text3</b> text4</i>  после "очистки" ДОМa останется Код   <i><u></u><b>text3</b></i> Потом проходим через все элементы и выбрасываем пустые - в данном случае <u></u>. Остается Код   <i><b>text3</b></i> И вот тут-то проявляется некорректность задачи. Программа не может знать какие из окружающих тегов надо убрать, а какие оставить - это уже только задавать самому в программе. Например - убрать окружающие тэги если они <i> и <b>, но не <u>. В общем - какую-то булеву логику придется включать. Или пусть выбрасывает модальное окошко спрашивая убрать ли такой-то окружающий тэг. Прошу прощения за сумбурность. Спать хоца очень

Автор: nornad 18.5.2007, 01:42

Ну, некорректности задачи я не вижу, ибо если бы я мог получить позицию в хтмле, то взять можно было бы и просто текст и текст с оформлением. Проблема в том, что я до сих пор не нашёл способа получить эту самую позицию в хтмле. Теперь по поводу того, что программа не знает, что убирать. Если подойти с умом, то она это легко будет знать. Нужно лишь определить "параллельные" теги для того, что мы хотим получить. Например, для твоего примера с выделением text3 "параллельным" будет <u> с text2 (слева; справа нет "параллельного" тега, точнее в его качестве будет выступать закрывающий <i>).  Кроме того, подозреваю, что предложенный пример не сможет корректно обработать ситуацию с форматированием хтмл-кода (табуляция, лидирующие пробелы (обычные)), но это стоит ещё проверить. В любом случае спасибо за примерчик - хотя бы есть от чего оттолкнуться. Добавлено через 1 минуту и 43 секунды Цитата(_Y_ @  18.5.2007,  02:26 ) Или пусть выбрасывает модальное окошко спрашивая убрать ли такой-то окружающий тэг. Гы  Рульная идея. Юзера просто офигеют при виде запроса.

Автор: nerezus 18.5.2007, 06:03

Цитата стандартный пакет DOM легко позволяет получить текст без тегов  Он же для XML. А как он может обработать HTML?    Код <font color=#456789 >test<br></test>

Автор: _Y_ 18.5.2007, 10:30

Цитата(nerezus @ 18.5.2007,  06:03) Цитата стандартный пакет DOM легко позволяет получить текст без тегов  Он же для XML. А как он может обработать HTML?   Это действительно проблема. HTML программы типа IE понимают XML, но не наоборот в силу более жестких требований к XML коду. Поэтому "крутые" веб-программисты рекомендуют при написании HTML быть строже к себе   и изображать Ваш пример так: Код <test><font color="#456789" >test<br/></font></test>  Тогда все будут довольны   nornad, если надо получить только позицию начала и конца выделения в HTML коде, то, думаю, что это можно сделать и без ДОМа. Вечерком набросаю програмку.

Автор: nornad 18.5.2007, 13:52

В принципе, атрибуты DOM съест - парсер в JTextPane их в кавычки заворачивает. А вот тэг <br>  он рисует без концевого слеша... :( Цитата(_Y_ @  18.5.2007,  13:30 ) Вечерком набросаю програмку. Ок, будет отлично, ежели удастся получить верную позицию в хтмле.

Автор: nerezus 18.5.2007, 17:16

Цитата Это действительно проблема. HTML программы типа IE понимают XML, но не наоборот в силу более жестких требований к XML коду. Поэтому "крутые" веб-программисты рекомендуют при написании HTML быть строже к себе   и изображать Ваш пример так:Разметка HTML  Зачем им это делать? Не стоит путать xhtml и html. Этот код с точки зрения html правильный, а тег <br> даже валидатор пройдет.

Автор: nornad 18.5.2007, 20:08

Дискуссия-то не о том, валиден ли хтмл и насколько он валиден. Я же не сам его пишу "от и до" руками. В редакторе пишется текст и задаётся стилизация, а хтмл генерит уже сам редактор. Так что "крутые вэб-программисты" здесь просто отдыхают - им никто не даёт копаться в хтмл-коде.

Автор: _Y_ 18.5.2007, 23:35

nornad, прошу прощения. Не написал. Оч спать хоца, а возни с HTML кодом и JTextPane немало. Так что пока только идея. Сколь я понял не представляет трудности получить HTML документ в виде String (strHtml) и его же текст без тегов (strTxt). Не составляет также трудности получить позицию (txtBeginning, txtEnd) выделенного текста (strSelected), но относительно текста без тэгов, а не не по отношению к HTML тексту. Задача, найти позицию по отношению к HTML тексту (htmlBeginning, htmlEnd). В этом коде я взял HTML из первого поста и предположил, что выделен фрагмент strSelected = "erence, an". Для простоты убрал символы перевода строки. Код String      strHtml = "<html><body>There is some text <i>and <a href=\"b.htm\">reference</a>, and again</i> text.</body></html>",     strTxt = "There is some text and reference, and again text.",     strSelected = "erence, an";      int txtBeginning = 26, txtEnd = 36;          //We search for:          int htmlBeginning = -1, htmlEnd = -1;          //Procedure          boolean flag = true; String oneSymbol;          int pos = -1;                   for(int i = 0; i < strHtml.length(); i++) {                  oneSymbol = strHtml.substring(i, i + 1);                  if(oneSymbol.equals("<")) {         flag = false;     }else if(oneSymbol.equals(">")) {         flag = true;     }else if(flag) {                          if((++pos) == txtBeginning)              htmlBeginning = i;                          if(pos == txtEnd) {             htmlEnd = i;             break;         }     } }          System.out.println(strHtml.substring(htmlBeginning, htmlEnd)); Код честно отдает "erence</a>, an"

Автор: nornad 19.5.2007, 01:44

Как я уже упоминал, у такого подхода есть один существенный минус - он "промажет" на форматированном хтмле. Натрави такой вариант поиска позиции на хтмл вида: Код <html> <body>     There is some text <i>and                      <a href=\"b.htm\">reference</a>,                and again</i> text. </body> </html> Я над таким вариантом уже думал. Пока не придумал, как сделать пропуск различных лидирующих пробелов. Кстати, надо ещё учитывать возможность наличия всяких &nbsp; (точно не скажу, но могут и встретиться; даже очень вероятно). Сечас в голову пришёл некоторый изврат: сделать второй скрытый текстпейн, в который пихать кусочки хтмла из первого и смотреть, какой текст получается. Но, блин, слишком уж страшный способ.

Автор: _Y_ 19.5.2007, 08:46

nornad, боюсь, что ничего лучше не придумаю.  С двойными пробелами, табуляторами и символами типа &nbsp; побороться можно руками (делая замену на соответствующие символы преред поиском), но это головная боль с составлением коллекции ссылок замены. Фактически, программе нужно скормить полную таблицу юникода, да еще кучу других таблиц. А может стОит поискать уже сделанную библиотеку такого рода замен? А вот еще идея. Со вторым JTextPane: Взять HTML код и заменить в нем все "<" и ">" на какие-нибудь нейтральные символы. Поместить полученную ерунду в JTextPane. JTextPane должен преобразовать все символы типа &nbsp; в пробелы и т.п. Извлечь из JTextPane содержимое как текст без тэгов. Он, видимо, будет и без &nbsp;-ов Восстановить "<" и ">"  Обработать примерно так, как я писал, но взяв позиции из основного JTextPane, а проходить через HTML код дополнительного. Не знаю - это просто идея. Может и глупая.

Автор: nornad 19.5.2007, 11:18

Цитата(_Y_ @  19.5.2007,  11:46 ) А может стОит поискать уже сделанную библиотеку такого рода замен? Сомневаюсь, что это действительно спасёт. Как я уже говорил, там проблемы не только с заменой. Есть ещё лидирующие пробелы, которые чаще всего надо удалять, но иногда (например, в теге PRE, если не ошибаюсь) - не надо. То бишь в итоге это сведётся к почти полноценному парсингу хтмла, чего лично я не хотел бы реализовывать. Цитата(_Y_ @  19.5.2007,  11:46 ) nornad, боюсь, что ничего лучше не придумаю.  В любом случае спасибо. Отрицательный результат - тоже результат. Теперь я хотя бы точнее представляю проблемы поиска соответствия тексту в хтмл-коде. Буду дальше копать код, который нарисовали ребята и ежели разберусь, выложу тут решение. Или хотя бы опишу принцип (если решение окажется слишком громоздким).

Автор: krubik 11.2.2009, 12:07

nornad, передо мной стоит анлогичная задача, нужно получить html-код выделенного фрагмента, так вот хотелось бы узнать было ли найдено решение. Заранее благодарен.

Автор: 1024 12.2.2009, 13:44

у всех текстовых компонентов есть метод javax.swing.text.JTextComponent.copy(), он помещает выделенный кусок текста в системный буфер в нескольких форматах.  если в JEditorPane загрузить хтмл, выделить какой-то кусок, вызвать метод copy, затем перейти в ворд и выбрать из меню Правка/Специальная вставка то он предложит на выбор формат плоского текста или хтмл и всё корректно вставит со ссылками. Т.е. это уже реализовано и прекрасно работает. У JEditorPane за контент в хтмл вероятно отвечает HTMLEditorKit (т.е. то что в javax.swing.JEditorPane.getEditorKit()), можно в нём посмотреть реализацию или тупо через клипбоард.

Powered by Invision Power Board (http://www.invisionboard.com)
© Invision Power Services (http://www.invisionpower.com)