Php 通过DOM解析器在前置标记之间转换空格
Regex是我作为解决方案的最初想法，尽管很快就发现DOM解析器更合适。。。我想将HTML文本字符串中的前置标记之间的空格转换为Php 通过DOM解析器在前置标记之间转换空格,php,html,dom,html-parsing,Php,Html,Dom,Html Parsing,Regex是我作为解决方案的最初想法，尽管很快就发现DOM解析器更合适。。。我想将HTML文本字符串中的前置标记之间的空格转换为。例如： <table atrr="zxzx"><tr> <td>adfa a adfadfaf></td><td><br /> dfa dfa</td> </tr></table> <pre class="abc" id="abc"> a
<table atrr="zxzx"><tr>
<td>adfa a adfadfaf></td><td><br /> dfa dfa</td>
</tr></table>
<pre class="abc" id="abc">
abc 123
<span class="abc">abc 123</span>
</pre>
<pre>123 123</pre>
$dom = new DOMDocument;
$dom->loadHtml($html);
$xp = new DOMXPath($dom);
foreach ($xp->query('//text()[ancestor::pre]') as $textNode)
{
$remaining = $textNode;
while (($nextSpace = strpos($remaining->wholeText, ' ')) !== FALSE) {
$remaining = $remaining->splitText($nextSpace);
$remaining->nodeValue = substr($remaining->nodeValue, 1);
$remaining->parentNode->insertBefore(
$dom->createEntityReference('nbsp'),
$remaining
);
}
}
adfa a adfadfaf>
dfa dfa
abc 123
abc 123
123 123
adfa a adfadfaf>
dfa dfa
abc 123
abc 123
123 123
需要将结果序列化回字符串格式，以便在其他地方使用。如果要插入
&实体，因为实体是节点，而空间只是字符数据。以下是如何做到这一点：
DOMElement pre
DOMText "abc"
DOMEntity nbsp
DOMText "123"
DOMElement span
DOMText "abc"
DOMEntity nbsp
DOMText "123"
DOMElement
DOMText "123"
DOMEntity nbsp
DOMText "123"
获取所有pre元素并使用它们的nodeValue在这里不起作用，因为nodeValue属性将包含所有子元素的组合DOMText值，例如，它将包括span子元素的nodeValue。在pre元素上设置nodeValue将删除这些元素
因此，我们不获取pre节点，而是获取所有在其轴上某处具有pre元素父节点的DOMText节点：
$innerHtml = '';
foreach ($dom->getElementsByTagName('body')->item(0)->childNodes as $child) {
$tmp_doc = new DOMDocument();
$tmp_doc->appendChild($tmp_doc->importNode($child,true));
$innerHtml .= $tmp_doc->saveHTML();
}
echo $innerHtml;
因为我们只处理DOMText节点，所以任何DomeElement都保持不变，因此它将保留pre元素中的span元素
注意事项：
您的代码段无效，因为它没有根元素。当使用loadHTML时，libxml将向DOM添加任何缺少的结构，这意味着您将获得包含DOCTYPE、html和body标记的代码段
如果要恢复原始代码段，必须getElementsByTagName
主体节点并获取所有子节点以获取innerHTML
。不幸的是，我们必须手动执行此操作：
<p>paragraph 1 remains untouched</p>
<pre>preformatted 1</pre>
<div>
<pre>preformatted 2</pre>
</div>
<div>
<pre>preformatted 3 <span class="foo">span text</span> preformatted 3</pre>
</div>
<div>
<pre>preformatted 4 <span class="foo">span <b class="bla">bold test</b> text</span> preformatted 3</pre>
</div>
也看到
我看到了我先前答案的不足之处。这里有一个在中保留标记的解决方法，这可能会去除
标记中的标记，这与我在前面的回答中遇到的问题相同。
<p>paragraph 1 remains untouched</p>
<pre>preformatted 1</pre>
<div>
<pre>preformatted 2</pre>
</div>
<div>
<pre>preformatted 3 <span class="foo">span text</span> preformatted 3</pre>
</div>
<div>
<pre>preformatted 4 <span class="foo">span <b class="bla">bold test</b> text</span> preformatted 3</pre>
</div>
<?php
$test = file_get_contents('input.html');
$dom = new DOMDocument('1.0');
$dom->loadHTML($test);
$xpath = new DOMXpath($dom);
$pre = $xpath->query('//pre//text()');
// manipulate nodes of type XML_TEXT_NODE
foreach($pre as $e) {
$e->nodeValue = str_replace(' ', '__REPLACEMELATER__', $e->nodeValue);
// when you attempt to write in a dom node
// the & will be converted to & :(
}
$temp = $dom->saveHTML();
$temp = str_replace('<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.0 Transitional//EN" "http://www.w3.org/TR/REC-html40/loose.dtd">', '', $temp);
$temp = str_replace('<html>', '', $temp);
$temp = str_replace('<body>', '', $temp);
$temp = str_replace('</body>', '', $temp);
$temp = str_replace('</html>', '', $temp);
$temp = str_replace('__REPLACEMELATER__', ' ', $temp);
echo $temp;
?>
<p>paragraph 1 remains untouched</p>
<pre>preformatted 1</pre>
<div>
<pre>preformatted 2</pre>
</div>
<div>
<pre>preformatted 3 <span class="foo">span text</span> preformatted 3</pre>
</div>
<div>
<pre>preformatted 4 <span class="foo">span <b class="bla">bold test</b> text</span> preformatted 3</pre>
</div>
<p>paragraph 1 remains untouched</p>
<pre>preformatted 1</pre>
<div>
<pre>preformatted 2</pre>
</div>
<div>
<pre>preformatted 3 <span class="foo">span text</span> preformatted 3</pre>
</div>
<div>
<pre>preformatted 4 <span class="foo">span <b class="bla">bold test</b> text</span> preformatted 3</pre>
</div>
$e->nodeValue = utf8_encode(str_replace(' ', "\xA0", $e->nodeValue));
// dom library will attempt to convert 0xA0 to
// nodeValue expects utf-8 encoded data but 0xA0 is not valid in this encoding
// hence replaced string must be utf-8 encoded