Удалить <p></p> с DOMxpath или regex? - PullRequest
Новая
       18

Удалить <p></p> с DOMxpath или regex?

2 голосов
/ 27 июля 2011

Я использую DOMxpath для удаления тегов html, которые имеют пустой текстовый узел, но для сохранения тегов <br/>, 

$xpath = new DOMXPath($dom);

while(($nodeList = $xpath->query('//*[not(text()) and not(node()) and not(self::br)]')) && $nodeList->length > 0) 
{
    foreach ($nodeList as $node) 
    {
        $node->parentNode->removeChild($node);
    }
}

работает отлично, пока не наткнулся на другую проблему, 

$content = '<p><br/><br/><br/><br/></p>';

Как убрать этот беспорядок <br/> и <p>? что означает, что я не хочу разрешать <br/> наедине с <p>, но я разрешаю <br/> только с соответствующим текстом, 

$content = '<p>first break <br/> second break <br/> the last line</p>';

Это возможно?

Или лучше с регулярным выражением?

Я пробовал что-то подобное, 

$nodeList = $xpath->query("//p[text()=<br\s*\/?>\s*]");
    foreach($nodeList as $node) 
    {
        $node->parentNode->removeChild($node);
    }

но возвращает эту ошибку, 

Warning: DOMXPath::query() [domxpath.query]: Invalid expression in...

Ответы [ 3 ]

3 голосов
/ 27 июля 2011

Вы можете выбрать нежелательный p, используя XPath: 

"//p[count(*)=count(br) and br and normalize-space(.)='']"

Примечание для выбора пустых текстовых узлов, если вам лучше не использовать (?): 

"//*[normalize-space(.)='' and not(self::br)]"

Это выберет любой элемент (кроме br) без текстовых узлов, такие узлы, как: 

<p><b/><i/></p>

или 

<p> <br/>   <br/>
</p>

.

1 голос
/ 25 июля 2013

У меня почти такая же ситуация, я использую: 

$document->loadHTML(str_replace('<br>', urlencode('<br>'), $string_or_file));

И используйте urlencode(), чтобы изменить его обратно для отображения или вставки в базу данных. Его работа для меня.

1 голос
/ 27 июля 2011

Вы можете избавиться от них всех, просто проверив, что в абзаце есть только пробелы и теги <br />: preg_replace("\<p\>(\s|\<br\s*\/\>)*\<\/p\>","",$content);

Сломано: 

\<p\>    # Match for <p>
(        # Beginning of a group
  \s       # Match a space character
  |        # or...
  \<br\s*\/\> # match a <br /> tag, with any number (including 0) spaces between the <br and />
)*       # Match this whole group (spaces or <br /> tags) 0 or more times.
\<\/p\>  # Match for </p>

Я упомяну, однако, что, если ваш HTML не имеет хорошего формата (однострочный, без странных пробелов или классов абзацев и т. Д.), Вы не должны использовать regex для его анализа. Если это так, это регулярное выражение должно работать просто отлично.

...