Automatický převod textů na HTML

5.10.2008 21:05 | Přečteno: 2158× | Abíčko | poslední úprava: 5.10.2008 23:02

V Abíčku máte dvě možnosti, jak psát texty. Buď v HTML s tím, že si formátování řídíte přes značky P, BR a DIV, nebo pomocí prázdného řádku rozdělíte text na odstavce. Druhý způsob interně nazývám simple formátem a ukládám jej v tomto tvaru do databáze. To má tři nevýhody - při každém zobrazení stránky se text převádí na HTML, nestabilita komplikuje možnost diffů u wiki stránek a nezachovávají se odstavce v připravovaném WYSIWYG editoru. Po více než třech letech jsem dneska nasadil opravu bugy 26, tedy automatický převod na HTML už při ukládání dokumentu.

Má vysněná varianta měla umět automaticky obalit odstavce značkou P. Strávil jsem spoustu hodin studiemi a testy nástrojů jako jake htmlcleaner, jtidy či tagsoap, ale žádný mi v této snaze nepomohl. Pokoušel jsem se to napsat sám přes htmlparser, ale napadalo mě tolik možností, které by mé algoritmy zbořily, že jsem tuto snahu vzdal. Pragmaticky jsem tedy začal před dvojici znaků \n\n vkládat dvojici značek BR, což sémanticky není totéž, ale vzhledově ano.

Znamenalo to, že jsem upravil úplně všechny controllery pro všechny typy dokumentů. Doufám, že jsem při tom nic nerozbil. Prosím o otestování nejrůznějších HTML konstrukcí (nejlépe v náhledu, bez zbytečného ukládání) a hlášení chyb. Pokud se to bude jevit stabilně, zmigruju stávající obsah databáze (což asi bude obnášet nějaký výpadek). Děkuju za pochopení.

Update: ještě jsem přidal počítání a zobrazování počtů přečtení wiki dokumentů (FAQ, učebnice, slovník, software atd). Ignorují se zobrazení od botů a autora / editorů dokumentu.

       

Komentáře

[petr_p]

To není moc chytré. Nechcete, dokud se neudělá pořádný převaděč, nastavit CSS 3 vlasnost white-space: pre-line?

[Leoš Literák]

Nemam chut stravit nekolik tydnu ci mesicu psanim lepsiho prevadece a ladenim jeho chyb. Jakykoliv jednoduchy algoritmus jsem si dokazal rozbit protiprikladem, kde selze. Radeji se smirim s horsim resenim a ten cas stravim na opravach duleiztejsich chyb ci novych funkcich.

[progdan]

Juu konecne to v Opere neignoruje odenterovane radky.

Skvela prace Leosi!

[Leoš Literák]

Hmm, tam by nemel byt zadny rozdil, tedy predtim se prazdny radek nahrazoval za <p>, coz mozna nebylo uplne koser, ale neslysel jsem, ze by to nekomu vadilo. Ani Robert nic nerikal a ten testuje vsecky hlavni prohlizece.

[Luk]

Mám potíže při použití blockquote:

Tohle je blockquote text

A takhle to vypadá za ním, pokud to nenarvu natěsno (bez prázdného řádku, který zajišťuje, abych se v tom vyznal). Ty mezery jsou strašně velké.

[Leos]

Diky, tohle fixnu.

[Leoš Literák]

A takhle to vypadá za ním, pokud to nenarvu natěsno (bez prázdného řádku, který zajišťuje, abych se v tom vyznal). Ty mezery jsou strašně velké.

Tohle by uz melo byt fixnuto, htmlparser je fakt sikovna knihovna. Pridan i junitovy test (test driven development je super metodika).

[Luk]

Zdá se, že to funguje. Díky.

[Leoš Literák]

Ale stejny problem bude asi i u jinych blokovych elementu, treba UL, OL, DL, TABLE, ze? A uvnitr techto tagu tez (LI, TR, TD). No, to jsou ale vlastne take blokove elementy. Takze by to chtelo zgeneralizovat kod a kolem blokovych elementu nedavat BR.

[Leoš Literák]

Tak hotovo. Tedy az na table, ktery nema v htmlparser priznak breakFlows. Snad uz to bude v poradku a muzu o vikendu provest upgrade dat.

[progdan]

Ted jsem v Opere 9.24 (vim, stary...) pridaval komentar pod zpravicku a musel sem tam dat <br> jinak mi to srazil na jeden radek.
V 9.60b uz mi to teda vcera neudelal, tak nevim co se zmenilo...mozna je to tim ze sem to v ni jeste bez <br> nezkousel

[Leoš Literák]

Potrebuju vkladany text a nejlip i obrazky pred a po. Dik

[Filip Jirsák]

Jak je to s plány nasadit WYSIWYG editor? Nějaký se tu testoval, myslím že jsem patřil k těm, komu se moc nelíbil… Už padlo nějaké rozhodnutí, který se vybere? Nedávno jsem na jeden web nasadil TinyMCE, a zatím jsem s ním docela spokojen. Pravda je, že obsah na tom webu je stejně takový mišmaš, takže pokud do toho TinyMCE vloží nějaký nepříliš upravený kód, v tom zbytku se to ani nepozná. Ale na problémy jsem narazil zatím jen při vkládání textu z Wordu, obyčejné formátování čistého textu zatím zvládal dobře. Taky se na tom editoru dá většina věcí nakonfigurovat – jaká se zobrazí tlačítka, uživatelské styly (stačí mu předhodit příslušný CSS soubor) atd. A jde přepnout zpět do režimu psaní zdrojového HTML

[Luk]

TinyMCE je dobrý, ale musí se pečlivě nakonfigurovat, aby neprasil kód.

[Leoš Literák]

Bude to FCKEditor, viz bug #78. Uz jej mam slusne rozepsany, akorat jsem uvizl na tom, ze nechapal nas simpl format. Divne, ze?

[petr_p]

Rozhodila se transformace do plain textu.

Po sobě následující explicitní odstavce (<p/>&#x0A;<p/>) se proloží pěti prázdnými řádky, mezi blokovou citaci a odstavec (<blockquote/>&#x0A;<p/>) se vkládají tři řádky.

Příklad: HTML, Message-ID: <123575.14@abclinuxu.cz> (na webové rozhraní Gmane se nedívejte, oni násobné prázdné řádky srážejí)

[Leoš Literák]

Prosim o preposlani emailu, ja mam k dispozici jen gmane. Email stejny jako jabber id.

[petr_p]

Uzřete záverečné většítko, když použiji element p. Tohle je záležitost posledních dní.

>

[petr_p]

Záverečné většítko se nepřipíše, když použiji simple formát.