Как извлечь некоторые теги и заменить другие из XML с SimpleXML

Question

Я пишу свой собственный блог на PHP, я хочу, чтобы записи в Markdown отображали результаты в HTML, мне также нужно сделать несколько пользовательских вещей с HTML.

Существует простой скрипт, который может конвертировать Markdown в HTML, но мне нужно сделать кое-что с HTML, как только это будет сделано:

1. Мне нужно заменить все символы HTML внутри предварительного тега с помощью функции htmlentities (). (В моем блоге я пишу о коде, включая HTML, я только хочу отобразить этот HTML, а не анализировать его в браузере).

2. Мне нужно извлечь весь простой текст, чтобы в конце я мог создать выдержки, которые не включают теги изображения или полутэги (или фрагменты кода в pre). *

Я думал, что у меня есть решение проблемы 2 с помощью следующего кода:

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

$ xml теперь выглядит примерно так:

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

это извлекает весь текст:

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

Это работает, однако я также хочу, чтобы в него был включен весь текст, найденный в ul и ol (в том же порядке, в каком они появляются в XML. не могу найти, как проверить, является ли элемент ap, ul или ol.

И я не могу найти способ решить проблему 1, потому что я не знаю, как заменить содержимое в объекте XML, но оставляю все остальное нетронутым. (Или я упускаю что-то совершенно очевидное?)

Answer 1

После долгих поисков я не смог найти именно то, что искал, используя синтаксический анализ XML, кроме того, что мне потребовалась пара других функций.Я решил проблему с REGEX, поскольку весь HTML-код сгенерирован мной.

Таким образом, приведенное здесь решение решает проблему моих исходных проблем + еще немного.

Эта функция берет часть содержимого(строка) и возвращает пару строк:

• md = то же самое, что содержимое с угловыми скобками внутри pre, измененное на html-сущность (я пишу в блоге о HTML, но в моем сообщении для редактирования screen Я не хочу, чтобы html внутри pre анализировался.
• html = все, что находится за пределами pre, равно Markdown'd, и каждый htmlchar внутри pre заменяется на html-сущность.
• отрывок = текст сокращен до 300 символов, без каких-либо предварительных тегов (или их содержимого), без синтаксиса уценки или HTML-тегов.

• meta = аналогично отрывку для 160 символов.

  <code>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 == '

  ') {// это предварительный закрывающий тег $ state = 0;$ html. = $ сегмент;$ обычный текст. = $ сегмент;} else {// это внутри пред тега $ plaintext. = removeAngleBrackets ($ сегмент);// сначала кодируем> в>, чтобы я мог перекодировать его вместе с другими символами // иначе мы получаем двойное кодирование, например: $ amp; gt;$ enti = html_entity_decode ($ сегмент);$ html. = htmlspecialchars ($ enti, ENT_QUOTES);}}} $ arr ['html'] = SmartyPants ($ html);$ arr ['md'] = $ обычный текст;// выдержка & meta // удалить все теги html (разметка уже преобразована в 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);}} вернуть $ результат?$ result: $ str;} // Мне нужно, чтобы smartypants отрывок к $ excerpt = shrinkText ($ tagless, 275).'(...)';$ arr ['excerpt'] = SmartyPants ($ excerpt);$ arr ['meta'] = shrinkText ($ tagless, 160);вернуть $ обр .;}