Php 如何从XML中提取某些标记并用SimpleXML替换其他标记

我正在用PHP写我自己的博客，我想能够用Markdown写文章，用HTML显示结果，我还需要用HTML做一些自定义的事情

有一个简单的脚本可以将标记转换为HTML，但是一旦完成，我需要对HTML做一些事情：

我需要使用htmlentities（）函数替换pre标记中的所有HTML符号。（在我的博客中，我发布了包括HTML在内的代码，我只想显示这个HTML，不想在浏览器中解析它）

我需要提取所有的纯文本，这样我就可以在最后创建不包含图像标记或半标记（或pre中的代码片段）的摘录

我认为我已经通过使用以下代码解决了问题2：

$xml = new SimpleXMLElement('<xml>' . $html . '</xml>');

$xml=newsimplexmlement（'.$html'）；

$xml现在看起来像：

<xml>
  <p>some random text</p>
  <img src='image.jpg'>
  <p>some random text</p>
</xml>

一些随机文本

一些随机文本

这将提取所有文本：

foreach($xml->{'p'} as $p){
echo $p . '<hr>';
}

foreach（$xml->{'p'}作为$p）{
回声$p.“
”；
}

这是可行的，但是我也希望它包括在ul和ol中找到的所有文本（与它们在XML中出现的顺序相同）。我已经搜索了一种方法来循环$XML的所有子元素，但我找不到如何检查元素是p、ul还是ol

---

我找不到解决问题1的方法，因为我不知道如何替换XML对象中的内容，但保留所有其他内容不变（或者我遗漏了一些非常明显的东西？）

经过大量搜索，我无法使用XML解析准确地找到我想要的内容，此外，我还需要一些其他功能。我用正则表达式解决了这个问题，因为所有HTML都是由我生成的

因此，这里提供的解决方案解决了我原来的问题+更多的问题

此函数获取一段内容（字符串）并返回两个字符串：

• md=与pre中带有尖括号的内容更改为其html实体（我写了一篇关于html的博客，但在我的编辑帖子屏幕中，我不希望解析pre中的html）相同
• html=pre之外的所有内容都被标记，pre内的所有htmlchar都被更改为其html实体
• 摘录=文本缩小了近300个字符，没有任何前置标记（或其内容），没有标记语法或html标记
• meta=与160个字符的摘录相同

  function prepareContent($content) {
  
      // I use this instead of htmlentities for the plain text, this prevents HTML to be parsed inside the edit screen
      // all HTML is served with htmlentities instead
      function removeAngleBrackets($str) {
          $str = str_replace('<','&lt;',$str);
          $str = str_replace('>','&gt;',$str);
          return $str;
      }
  
      $segments = preg_split('/(<\/?pre.*?>)/', $content, -1, PREG_SPLIT_DELIM_CAPTURE);
  
      // STATE MACHINE
      // borrowed from: http://stackoverflow.com/questions/1278491/howto-encode-texts-outside-the-pre-pre-tag-with-htmlentities-php#answer-1278575
  
      // this breaks when I nest pre's in pre's (unless I escape the <pre> myself), could be fixed though
  
      // $state = 0 if outside of a pre
      // $state = 1 if inside of a pre
      $state = 0;
  
      $plaintext = '';
      $html = '';
      $preless = '';
  
      // $html, $plaintext and $preless are all written in here
      foreach ($segments as &$segment) {
          if ($state == 0) {
              if (preg_match('#<pre[^>]*>#i',$segment)) {
                  //this is the pre opening tag
                  $state = 1; 
                  $html .= $segment;
                  $plaintext .= $segment;
              } else {
                  //this is outside the pre tag
                  $plaintext .= $segment;
                  $markdown = Markdown($segment);
                  $html .= $markdown;
                  $preless .= $markdown;
              }
          } else if ($state == 1) {
              if ($segment == '</pre>') {
                  //this is the pre closing tag
                  $state = 0;
                  $html .= $segment;
                  $plaintext .= $segment;
              } else {
                  //this is inside the pre tag
                  $plaintext .= removeAngleBrackets($segment);
                  // first encode &gt; to > so I can re encode it together with other chars
                  // else we get double encoding like: $amp;gt;
                  $enti = html_entity_decode($segment);
                  $html .= htmlspecialchars($enti, ENT_QUOTES);
              }
          }
      }
  
      $arr['html'] = SmartyPants($html);
      $arr['md'] = $plaintext;
  
      //                      the excerpt & meta
  
      // remove all html tags (markdown is already converted to HTML)
      $tagless = strip_tags($preless);
  
      function shrinkText($str, $limit) {
          $strlen = strlen($str);
          if($strlen > $limit) {
              $pos = strpos($str, ' ', $limit);
              if($strlen > $pos) {
                  $result = substr($str,0,$pos);
              }
          }
          return $result ? $result : $str;
      }
  
      // I need to smartypants the excerpt to
      $excerpt = shrinkText($tagless, 275)  . ' (...)';
      $arr['excerpt'] = SmartyPants($excerpt);
  
      $arr['meta'] = shrinkText($tagless, 160);
  
      return $arr;
  }
  

  函数prepareContent（$content）{
  //我对纯文本使用它而不是htmlentities，这可以防止在编辑屏幕内解析HTML
  //所有HTML都使用htmlentities代替
  函数RemoveAngle括号（$str）{
  $str=str_替换（''，$str）；
  返回$str；
  }
  $segments=preg_split（“/（）/”，$content，-1，preg_split_DELIM_CAPTURE）；
  //状态机
  //借用自：http://stackoverflow.com/questions/1278491/howto-encode-texts-outside-the-pre-pre-tag-with-htmlentities-php#answer-1278575
  //当我将pre的嵌套在pre的中时，这会中断（除非我自己逃脱），但可以修复
  //$state=0（如果在预处理程序之外）
  //$state=1，如果在预处理
  $state=0；
  $plaintext=''；
  $html=''；
  $preless=''；
  //$html、$plaintext和$preless都写在这里
  foreach（$segments as&$segment）{
  如果（$state==0）{
  if（preg#u匹配（'#]*>i'，$segment））{
  //这是开幕前的标签
  $state=1；
  $html.=$segment；
  $plaintext.=$segment；
  }否则{
  //这在预标记之外
  $plaintext.=$segment；
  $markdown=降价（$section）；
  $html.=$markdown；
  $preless.=$markdown；
  }
  }else if（$state==1）{
  如果（$segment=''）{
  //这是预关闭标签
  $state=0；
  $html.=$segment；
  $plaintext.=$segment；
  }否则{
  //这在pre标签内
  $plaintext.=删除方括号（$segment）；
  //首先编码到>，这样我就可以和其他字符一起重新编码
  //否则我们会得到双重编码，比如：$amp；gt；
  $enti=html\u实体\u解码（$segment）；
  $html.=htmlspecialchars（$enti，ENT_引号）；
  }
  }
  }
  $arr['html']=SmartyPants（$html）；
  $arr['md']=$plaintext；
  //节选与元分析
  //删除所有html标记（标记已转换为html）
  $tagless=带标签（$preless）；
  函数收缩文本（$str，$limit）{
  $strlen=strlen（$str）；
  如果（$strlen>$limit）{
  $pos=STRP（$str，，$limit）；
  如果（$strlen>$pos）{
  $result=substr（$str，0，$pos）；
  }
  }
  返回$result？$result:$str；
  }
  //我需要把这段摘录发给你
  $extract=收缩文本（$tagless，275）。“（…）”；
  $arr['extract']=SmartyPants（$extract）；
  $arr['meta']=收缩文本（$tagless，160）；
  返回$arr；
  }
  

---

的可能重复-请参阅：还有更多其他问题和答案也涵盖了这一点。我建议您使用搜索。