Parseur markdown en PHP

Alors pour les blocs, j'ai décidé de faire un simple [a]Attention, ![/]. Je verrai si un jour j'améliore la chose.

Pourtant ça n'a pas l'air si compliqué que ça.

A essayer avec un callback. Après il faut enlever les barres avec une autre regex mais je pense qu'un truc dans ce goût-là devrait le faire :

1

@\[\[i\]\]\n((?:^\s*\|[^|]+(?:\n|\Z))+)@ms

Perso je parse des listes y compris imbriquées et des tableaux avec des regex dans le genre et ça marche très bien…

Il me semble que Parsedown a encore beaucoup de soucis et n'est pas assez stable pour être utilisé en prod. Le projet est jeune, on ne sait pas trop encore si il va être vraiment maintenu.

En revanche tu as un binding de hoedown via l'extension php-hoedown, tu devrais jeter un oeil à ça ! En plus d'être plus complet c'est bien plus performant. (C'est du C et c'est utilisé par beaucoup de monde donc bien mieux maintenu)

Plop !

Je reviens vers vous pour mon projet.

Avez-vous une idée pour créer des liens permanents (id) pour chacun des 6 niveaux de titres ? En évitant au maximum que ce soit l'utilisateur qui les renseigne ?

Un slug du texte placé automatiquement dans la balise ?

Et si on corrige un peu le titre ? On ne change pas le slug ?

Pandoc peut rajouter automatiquement ce genre de données (voir section Extension: auto_identifiers)

C'est pour te donner une idée de ce qui se fait

@Kje : c'est aussi possible avec le parseur php que j'ai choisi, mais apparemment ce ne peut être fait que manuellement. Tu as une idée pour automatiser ça ?

A toi de décider 

Pour ma part, je changerais aussi.

Bah dans la section Extension: auto_identifiers il explique comment il génère le slug depuis le nom, donc tu peux t'en inspirer. Encore en dessous, il propose aussi une syntaxe pour faire des liens vers ces éléments sans mettre le slug

En fait, j'aimerais au maximum éviter les liens brisés. Pour la doc, je travaille avec des id, je sait que je pointerais toujours vers la bonne doc (sauf si on fait un couper/coller sur une autre doc, mais bon, c'est pas mon problème).

Par contre, si je pouvais éviter qu'un lien vers une partie de la doc se brise pour un mot ajouté, ce serait kewl.

Ce que j'ai fait sur un projet client (pour extraire un sommaire) c'est de lire le HTML une fois le MD parsé et transformé.

 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

<?php

if(!function_exists('extract_toc')){
  function extract_toc($dom, $max_level = 2) {

      $xpath = new DOMXPath($dom);
      $xpath->registerNamespace('html', 'http://www.w3.org/1999/xhtml');
      
      $headings = array('h1', 'h2', 'h3', 'h4', 'h5', 'h6');
      foreach($headings as $k => $v){
          $headings[$k] = 'self::'.$v;
      }
      $query_headings = implode(' or ', $headings);
      $query = '//*['.$query_headings.']';
      $headings = $xpath->query($query);

      $toc = '<ol class="toc-level-1">';

      $current_level = 1;
      $items = 0;

      foreach($headings as $n_i => $node){
          $level = (int) $node->tagName{1};

          if ($level > $max_level) {
              continue;
          }

          $node_id = $node->getAttribute('id');

          if(empty($node_id)){
              $node_id = 'toc_'.url_title(strip_tags($node->textContent), '-', TRUE);
              $node->setAttribute('id', $node_id);
          }

          $new_toc = '<a href="#'.$node_id.'">'.xss_clean($node->textContent).'</a>';

          if($level === $current_level){
              $toc .= ($items ? '</li>' : '').'<li>'.$new_toc;
          }
          elseif($level > $current_level){
              $toc .= '<ol class="toc-level-'.$level.'"><li>'.$new_toc;
          }
          else{
              $toc .= '</li></ol></li><li>'.$new_toc;
          }

          $current_level = $level;
      }

      $toc .= '</li><ol>';

      return $toc;
  }
}

[EDIT] Ok, j'avais pas vu l'extension proposée par Kje et ta contrainte d'ID constant… My bad.

Du coup je vois pas trop comment faire à part de les fixer dans le MD (par l'utilisateur ou par un script)

Par contre, si je pouvais éviter qu'un lien vers une partie de la doc se brise pour un mot ajouté, ce serait kewl.

Bah ça je ne vois pas trop d'autres solution qu'un identifiant fait fixé par l'utilisateur. Si tu ne veux pas que l'identifiant soit généré depuis le titre (ce qui casserai en cas de modification du titre), il ne reste plus que le "chemin" vers le titre ("2eme sous-section de la 3eme section") pour l'identifier mais là ça cassera si tu déplace des éléments ou rajoute d'autres sections entre les deux.

Si tu sorts les infos du parseurs, tu peux par contre les recouper et détecter si des liens vers des ancres qui n'existes pas.

@viki53 = merci pour l'idée. J'avais déjà commencé dans ce sens-là pour créer la table des matières de ma doc, mais c'est là que je me suis dit "oui, mais comment générer des liens permanents entre docs ?"

Après est-ce que les titres sont destinés à changer tant que ça ? Parce que bon, en général une fois un document rédigé, les liens internes ne sont pas destinés à changer des masses.

Au pire si un document est modifié il suffit de détecter les liens qui pointent vers lui et de prévenir l'utilisateur des risques…

Ok, je pars sur un slug du titre que je génère à la volée via domDocument.

Ca semble ne pas pourrir mon temps de conversion markdown -> html -> domDocument -> affichage.

C'est du DOM, généralement ça va assez vite. Surtout que tu ne modifies que des attributs et qu'il n'y a pas de traitement externe (comme ce serait le cas avec du JS dans un navigateur).

Tiens nous au courant si ça convient pas à ton projet, il y a peut-être moyen de trouver d'autres solutions (sans doute plus lourdes mais bon)

Là ça va bien. J'avais fait une fonction slug qui fonctionne au poil.

Un truc tout bête :

1
2
3
4

<?php
foreach( $dom->getElementsByTagName('h1') as $title ) {
    // do something
}

Comment prendre tous les h1 à h6 d'un coup ?

Je passe pas du XPath (les sélecteurs CSS c'est pas encore ça) : lignes 6 à 15 du code que j'ai posté un peu plus haut (dans le bloc secret).