Konvertieren: Wikipedia-Formatierung -> HTML

[Granjow]

Hallo zusammen,

Ich versuche, ein Programm zu schreiben, bei dem man einfach HTML-Seiten erstellen kann. Dazu will ich die Wikipedia-Formatierung verwenden, '''dies''' (fett) soll z. B. in dies umgewandelt werden. Ich hab jetzt begonnen, das mit regulären Ausdrücken zu machen. Für Links beispielsweise sehen die regulären Ausdrücke so aus:

replace.put("a[", new RegexpReplacer("\\[http://[^\\n\\r]*\\]", ""));
replace.put("i[1", new RegexpReplacer("\\[", "<a href=\""));
replace.put("i[2", new RegexpReplacer("\\]", "</a>"));
replace.put("b[1", new RegexpReplacer("[\\s]+", "\">"));

(RegexpReplacer ist selber gebastelt, s. u.)

Das wird aber recht schnell komplizierter, eigentlich ist mir auch das schon kompliziert genug. Darum: Gibt es eine bessere Möglichkeit, Links, Formatierungen, Tabellen (!) usw. aufzuspüren? Oder weiss jemand sogar, wie das in der Wikipedia gemacht wird?

Granjow

RegexpReplacer, für Interessierte:

package testing;

import java.util.regex.Pattern;

public class RegexpReplacer {

	private Pattern pattern;

	String replace = new String();

	private String sPattern = new String();

	/**
	 * Creates a new RegexpReplacer.
	 * 
	 */
	RegexpReplacer() {

	}

	/**
	 * Creates a new RegexpReplacer. Has a String and a pattern which - when
	 * found - shall be replaced.
	 * 
	 * @param PATTERN -
	 *            set Pattern
	 * @param REPLACE -
	 *            set the replace String
	 */
	RegexpReplacer(String PATTERN, String REPLACE) {
		sPattern = PATTERN;
		initPattern();
		replace = REPLACE;
	}

	/**
	 * Recompiles the pattern from the Regular Expression (String)
	 * 
	 */
	public void initPattern() {
		pattern = Pattern.compile(sPattern);
	}

	/**
	 * @param PATTERN -
	 *            set the Pattern
	 */
	public void setPattern(String PATTERN) {
		sPattern = PATTERN;
		initPattern();
	}

	/**
	 * @return the pattern
	 */
	public Pattern getPattern() {
		return pattern;
	}

	/**
	 * @return regular expression as String
	 * @todo \\d is shown as regular Expression \d. --Conflicts?
	 */
	public String getRegexp() {
		return pattern.toString();
	}

	public static void main(String args[]) {
		RegexpReplacer test = new RegexpReplacer("\\d.*", "4");
		System.out.println(test.pattern);
		System.out.println(test.getRegexp());
	}
}

 

[Tobias]

Wie's in der Wikipedia gemacht wird, kannst dir in den Sourcen vom http://www.mediawiki.org angucken - ist allerdings PHP, nicht Java.

mpG
Tobias

 

[Granjow]

Ist das (grundsätzlich) möglich zum nachbauen, oder funktioniert PHP -> Java nicht gut? Muss man da alles umschreiben?

Simon

 

[AlArenal]

Je besser man beide Sprachen beherrscht, desto einfacher fällt es einem. Nachbauen kann man es natürlich.

 

[Sanix]

In PHP werden auch reguläre Ausdrücke verwendet. Sollte also kein grosses Problem sein, dies nachzubauen. Durchsuch den Code mal nach preg_replace

 

[Granjow]

So, ich hab jetzt endlich Zeit gehabt, den Code etwas genauer anzuschauen. Eigentlich ist er z. B. für die Überschriften geradezu unverschämt simpel:

includes/Parser.php

	 /**
	 * Parse headers and return html
	 *
	 * @access private
	 */
	function doHeadings( $text ) {
		$fname = 'Parser::doHeadings';
		wfProfileIn( $fname );
		for ( $i = 6; $i >= 1; --$i ) {
			$h = str_repeat( '=', $i );
			$text = preg_replace( "/^{$h}(.+){$h}\\s*$/m",
			  "<h{$i}>\\1</h{$i}>\\2", $text );
		}
		wfProfileOut( $fname );
		return $text;
	}

Lässt sich das in Java auch so ähnlich kurz lösen? Vor allem das \\1 würde mich interessieren.

edit: Der Teil mit dem Zeichen für den Anfang (/^) funktioniert auch in Java:

pattern = Pattern.compile(REGEX, Pattern.MULTILINE);

http://java.sun.com/j2se/1.5.0/docs/api/java/util/regex/Pattern.html#MULTILINE

Granjow