php - 你如何在 PHP 中格式化 DOM 结构？

coder 2023-08-06 原文

我的第一个猜测是 PHP DOM classes (使用 formatOutput 参数)。但是，我无法正确格式化和输出此 HTML 块。如您所见，缩进和对齐不正确。

$html = '
<html>
<body>
<div>

<div>

        <div>

                <p>My Last paragraph</p>
            <div>
                            This is another text block and some other stuff.<br><br>
                Again we will start a new paragraph
                            and some other stuff
                            <br>
        </div>
</div>
        <div>
                        <div>
                            <h1>Another Title</h1>
                                                    </div>
                        <p>Some text again <b>for sure</b></p>
                </div>
</div>
<div>
    <pre><code>
    <span>&lt;html&gt;</span>
        <span>&lt;head&gt;</span>
            <span>&lt;title&gt;</span>
                Page Title
            <span>&lt;/title&gt;</span>
            <span>&lt;/head&gt;</span>
    <span>&lt;/html&gt;</span>
    </code></pre>
</div>
</div>
</body>
</html>';

header('Content-Type: text/plain');
libxml_use_internal_errors(TRUE);

$dom = new DOMDocument;
$dom->preserveWhiteSpace = false;
$dom->formatOutput = true;
$dom->loadHTML($html);
print $dom->saveHTML();

更新:我在示例中添加了一个预先格式化的代码块。

最佳答案

以下是对@hijarian 答案的一些改进:
LibXML 错误
如果不拨打libxml_use_internal_errors(true) , PHP 将输出所有找到的 HTML 错误。但是，如果您调用该函数，错误将不会被抑制，而是会变成一堆您可以通过调用 libxml_get_errors() 来检查的错误。 .这样做的问题是它会占用内存，并且众所周知 DOMDocument 非常挑剔。如果您批量处理大量文件，最终会耗尽内存。对此有两种解决方案:

if (libxml_use_internal_errors(true) === true)
{
    libxml_clear_errors();
}

自 libxml_use_internal_errors(true)返回此设置的先前值(默认 false )，如果您多次运行它(如在批处理中)，这仅具有清除错误的效果。
另一种选择是通过 LIBXML_NOERROR | LIBXML_NOWARNING标志到 loadHTML()方法。不幸的是，由于我不知道的原因，这仍然留下了一些错误。
请记住，如果您将空(或空白)字符串传递给 libxml，DOMDocument 将始终输出错误(即使使用内部 load*() 错误并设置抑制标志)。方法。
正则表达式
正则表达式 />\s*</im没有多大意义，最好使用 ~>[[:space:]]++<~m也 catch \v (垂直制表符)并且仅在空格实际存在时才替换( + 而不是 * )而不回馈( ++ ) - 这更快 - 并降低不区分大小写的开销(因为空格没有大小写)。
您可能还想将换行符规范化为 \n和其他控制字符(特别是在 HTML 的来源未知的情况下)，因为 \r将作为  返回之后 saveXML()例如。DOMDocument::$preserveWhitespace运行上述正则表达式后是无用且不必要的。
哦，我认为这里没有必要保护空白的 pre-like 标签。仅空白的片段是无用的。
附加 Flags为 loadHTML()

LIBXML_COMPACT - “这可能会加快您的应用程序而无需更改代码”

LIBXML_NOBLANKS - 需要对此进行更多测试

LIBXML_NOCDATA - 需要对此进行更多测试

LIBXML_NOXMLDECL - 记录，但未实现 =(

更新:设置这些选项中的任何一个都会产生不格式化输出的效果。
上 saveXML()DOMDocument::saveXML()方法将输出 XML 声明。我们需要手动清除它(因为 LIBXML_NOXMLDECL 没有实现)。为此，我们可以使用 substr() + strpos() 的组合。寻找第一个换行符，甚至使用正则表达式来清理它。
另一种选择，似乎有 an added benefit只是在做:

$dom->saveXML($dom->documentElement);

还有一点，如果你有内联标签都是空的，比如b , i或 li在:

<b class="carret"></b>
<i class="icon-dashboard"></i> Dashboard
<li class="divider"></li>

saveXML()方法会严重破坏它们(将以下元素放在空元素中)，弄乱整个 HTML。 Tidy 也有类似的问题，只不过它只是丢弃了节点。
要解决此问题，您可以使用 LIBXML_NOEMPTYTAG标志和 saveXML() :

$dom->saveXML($dom->documentElement, LIBXML_NOEMPTYTAG);

此选项将空(又名自关闭)标签转换为内联标签，并允许空内联标签。
修复 HTML[5]
到目前为止，我们所做的所有事情，我们的 HTML 输出现在有两个主要问题:

没有 DOCTYPE(当我们使用 $dom->documentElement 时它被剥离了)

空标签现在是内联标签，意思是一个 <br />变成了两个( <br></br> )等等

修复第一个相当容易，因为 HTML5 非常宽松:

"<!DOCTYPE html>\n" . $dom->saveXML($dom->documentElement, LIBXML_NOEMPTYTAG);

取回我们的空标签，如下所示:

area

base

basefont (在 HTML5 中已弃用)

br

col

command

embed

frame (在 HTML5 中已弃用)

hr

img

input

keygen

link

meta

param

source

track

wbr

我们可以使用 str_[i]replace在一个循环中:

foreach (explode('|', 'area|base|basefont|br|col|command|embed|frame|hr|img|input|keygen|link|meta|param|source|track|wbr') as $tag)
{
    $html = str_ireplace('>/<' . $tag . '>', ' />', $html);
}

或者正则表达式:

$html = preg_replace('~></(?:area|base(?:font)?|br|col|command|embed|frame|hr|img|input|keygen|link|meta|param|source|track|wbr)>\b~i', '/>', $html);

这是一项代价高昂的操作，我没有对它们进行基准测试，所以我不能告诉你哪个性能更好，但我猜 preg_replace() .此外，我不确定是否需要不区分大小写的版本。我的印象是 XML 标签总是小写的。 更新:标签总是小写的。
上 <script>和 <style>标签
这些标签总是将它们的内容(如果存在)封装到(未注释的)CDATA 块中，这可能会破坏它们的含义。您必须用正则表达式替换这些标记。
执行

function DOM_Tidy($html)
{
    $dom = new \DOMDocument();

    if (libxml_use_internal_errors(true) === true)
    {
        libxml_clear_errors();
    }

    $html = mb_convert_encoding($html, 'HTML-ENTITIES', 'UTF-8');
    $html = preg_replace(array('~\R~u', '~>[[:space:]]++<~m'), array("\n", '><'), $html);

    if ((empty($html) !== true) && ($dom->loadHTML($html) === true))
    {
        $dom->formatOutput = true;

        if (($html = $dom->saveXML($dom->documentElement, LIBXML_NOEMPTYTAG)) !== false)
        {
            $regex = array
            (
                '~' . preg_quote('<![CDATA[', '~') . '~' => '',
                '~' . preg_quote(']]>', '~') . '~' => '',
                '~></(?:area|base(?:font)?|br|col|command|embed|frame|hr|img|input|keygen|link|meta|param|source|track|wbr)>~' => ' />',
            );

            return '<!DOCTYPE html>' . "\n" . preg_replace(array_keys($regex), $regex, $html);
        }
    }

    return false;
}

关于php - 你如何在 PHP 中格式化 DOM 结构？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/7997936/

何在 php code gt lt html dom

有关php - 你如何在 PHP 中格式化 DOM 结构？的更多相关文章

ruby - 如何在 Ruby 中顺序创建 PI - 2
出于纯粹的兴趣，我很好奇如何按顺序创建PI，而不是在过程结果之后生成数字，而是让数字在过程本身生成时显示。如果是这种情况，那么数字可以自行产生，我可以对以前看到的数字实现垃圾收集，从而创建一个无限系列。结果只是在Pi系列之后每秒生成一个数字。这是我通过互联网筛选的结果:这是流行的计算机友好算法，类机器算法:defarccot(x,unity)xpow=unity/xn=1sign=1sum=0loopdoterm=xpow/nbreakifterm==0sum+=sign*(xpow/n)xpow/=x*xn+=2sign=-signendsumenddefcalc_pi(digits
ruby - 使用 ruby 将 HTML 转换为纯文本并维护结构/格式 - 2
我想将html转换为纯文本。不过，我不想只删除标签，我想智能地保留尽可能多的格式。为插入换行符标签，检测段落并格式化它们等。输入非常简单，通常是格式良好的html(不是整个文档，只是一堆内容，通常没有anchor或图像)。我可以将几个正则表达式放在一起，让我达到80%，但我认为可能有一些现有的解决方案更智能。最佳答案首先，不要尝试为此使用正则表达式。很有可能你会想出一个脆弱/脆弱的解决方案，它会随着HTML的变化而崩溃，或者很难管理和维护。您可以使用Nokogiri快速解析HTML并提取文本:require'nokogiri'h
ruby - 如何在 buildr 项目中使用 Ruby 代码？ - 2
如何在buildr项目中使用Ruby？我在很多不同的项目中使用过Ruby、JRuby、Java和Clojure。我目前正在使用我的标准Ruby开发一个模拟应用程序，我想尝试使用Clojure后端(我确实喜欢功能代码)以及JRubygui和测试套件。我还可以看到在未来的不同项目中使用Scala作为后端。我想我要为我的项目尝试一下buildr(http://buildr.apache.org/)，但我注意到buildr似乎没有设置为在项目中使用JRuby代码本身!这看起来有点傻，因为该工具旨在统一通用的JVM语言并且是在ruby中构建的。除了将输出的jar包含在一个独特的、仅限ruby
ruby - 什么是填充的 Base64 编码字符串以及如何在 ruby 中生成它们？ - 2
我正在使用的第三方API的文档状态:"[O]urAPIonlyacceptspaddedBase64encodedstrings."什么是“填充的Base64编码字符串”以及如何在Ruby中生成它们。下面的代码是我第一次尝试创建转换为Base64的JSON格式数据。xa=Base64.encode64(a.to_json) 最佳答案他们说的padding其实就是Base64本身的一部分。它是末尾的“=”和“==”。Base64将3个字节的数据包编码为4个编码字符。所以如果你的输入数据有长度n和n%3=1=>"=="末尾用于填充n%
ruby-on-rails - 如何在 ruby 中使用两个参数异步运行 exe？ - 2
exe应该在我打开页面时运行。异步进程需要运行。有什么方法可以在ruby中使用两个参数异步运行exe吗？我已经尝试过ruby命令-system()、exec()但它正在等待过程完成。我需要用参数启动exe，无需等待进程完成是否有任何rubygems会支持我的问题？最佳答案您可以使用Process.spawn和Process.wait2:pid=Process.spawn'your.exe','--option'#Later...pid,status=Process.wait2pid您的程序将作为解释器的子进程执行。除
ruby - 如何在续集中重新加载表模式？ - 2
鉴于我有以下迁移:Sequel.migrationdoupdoalter_table:usersdoadd_column:is_admin,:default=>falseend#SequelrunsaDESCRIBEtablestatement,whenthemodelisloaded.#Atthispoint,itdoesnotknowthatusershaveais_adminflag.#Soitfails.@user=User.find(:email=>"admin@fancy-startup.example")@user.is_admin=true@user.save!ende
ruby - 如何在 Ruby 中拆分参数字符串 Bash 样式？ - 2
我正在为一个项目制作一个简单的shell，我希望像在Bash中一样解析参数字符串。foobar"helloworld"fooz应该变成:["foo","bar","helloworld","fooz"]等等。到目前为止，我一直在使用CSV::parse_line，将列分隔符设置为""和.compact输出。问题是我现在必须选择是要支持单引号还是双引号。CSV不支持超过一个分隔符。Python有一个名为shlex的模块:>>>shlex.split("Test'helloworld'foo")['Test','helloworld','foo']>>>shlex.split('Test"
ruby - 如何在 Lion 上安装 Xcode 4.6，需要用 RVM 升级 ruby - 2
我实际上是在尝试使用RVM在我的OSX10.7.5上更新ruby，并在输入以下命令后:rvminstallruby我得到了以下回复:Searchingforbinaryrubies,thismighttakesometime.Checkingrequirementsforosx.Installingrequirementsforosx.Updatingsystem.......Errorrunning'requirements_osx_brew_update_systemruby-2.0.0-p247',pleaseread/Users/username/.rvm/log/138121
ruby-on-rails - 如何在 ruby 交互式 shell 中有多行？ - 2
这可能是个愚蠢的问题。但是，我是一个新手......你怎么能在交互式rubyshell中有多行代码？好像你只能有一条长线。按回车键运行代码。无论如何我可以在不运行代码的情况下跳到下一行吗？再次抱歉，如果这是一个愚蠢的问题。谢谢。最佳答案这是一个例子:2.1.2:053>a=1=>12.1.2:054>b=2=>22.1.2:055>a+b=>32.1.2:056>ifa>b#Thecode‘if..."startsthedefinitionoftheconditionalstatement.2.1.2:057?>puts"f
ruby-on-rails - 如何在我的 Rails 应用程序 View 中打印 ruby 变量的内容？ - 2
我是一个Rails初学者，但我想从我的RailsView(html.haml文件)中查看Ruby变量的内容。我试图在ruby中打印出变量(认为它会在终端中出现)，但没有得到任何结果。有什么建议吗？我知道Rails调试器，但更喜欢使用inspect来打印我的变量。最佳答案您可以在View中使用puts方法将信息输出到服务器控制台。您应该能够在View中的任何位置使用Haml执行以下操作:-puts@my_variable.inspect 关于ruby-on-rails-如何在我的R

php - 你如何在 PHP 中格式化 DOM 结构？

有关php - 你如何在 PHP 中格式化 DOM 结构？的更多相关文章

随机推荐