修复未关闭的 HTML 标签答案

【问题标题】：Fixing unclosed HTML tags修复未关闭的 HTML 标签
【发布时间】：2012-01-19 23:39:57
【问题描述】：

我正在处理一些博客布局，我需要为每篇文章（比如最近的 15 篇）创建一个摘要以显示在主页上。现在我使用的内容已经被 Textile 库格式化为 html 标签。现在，如果我使用 substr 获取帖子的第 500 个字符，我面临的主要问题是如何关闭未关闭的标签。

例如

<div>.......................</div>
<div>...........
     <p>............</p>
     <p>...........| 500 chars
     </p>
<div>

我得到的是两个未闭合的标签

和

， p 不会造成太大的麻烦，但 div 只是弄乱了整个页面布局。那么有什么建议如何跟踪开始标签并手动关闭它们吗？

【问题讨论】：

将开始标签推入堆栈，并弹出关闭的标签。考虑自闭合标签。当您消耗了足够多的文本字符后，将剩余的标签序列化为结束标签，后进先出。
有类似的讨论与使用 PHP here 进行 DOM 操作有关。
是的@alex 我想到了，尝试实现它有什么我可以效仿的例子吗？
<p> 标签不需要关闭，除非在 XHTML 中。我们假设您使用的是 XHTML 吗？
不，我正在使用 html。正如我所说<p> 很好.. 它们是自动关闭的，但它的 div 标签导致主要布局问题

标签： php html dom

【解决方案1】：

您可以使用 DOMDocument 来执行此操作，但要注意字符串编码问题。此外，您必须使用完整的 HTML 文档，然后提取所需的组件。这是一个例子：

function make_excerpt ($rawHtml, $length = 500) {
  // append an ellipsis and "More" link
  $content = substr($rawHtml, 0, $length)
    . '&hellip; <a href="/link-to-somewhere">More &gt;</a>';

  // Detect the string encoding
  $encoding = mb_detect_encoding($content);

  // pass it to the DOMDocument constructor
  $doc = new DOMDocument('', $encoding);

  // Must include the content-type/charset meta tag with $encoding
  // Bad HTML will trigger warnings, suppress those
  @$doc->loadHTML('<html><head>'
    . '<meta http-equiv="content-type" content="text/html; charset='
    . $encoding . '"></head><body>' . trim($content) . '</body></html>');

  // extract the components we want
  $nodes = $doc->getElementsByTagName('body')->item(0)->childNodes;
  $html = '';
  $len = $nodes->length;
  for ($i = 0; $i < $len; $i++) {
    $html .= $doc->saveHTML($nodes->item($i));
  }
  return $html;
}

$html = "<p>.......................</p>
  <p>...........
    <p>............</p>
    <p>...........| 500 chars";

// output fixed html
echo make_excerpt($html, 500);

输出：

<p>.......................</p>
  <p>...........
    </p>
<p>............</p>
    <p>...........| 500 chars… <a href="/link-to-somewhere">More &gt;</a></p>

如果您使用 WordPress，您应该将 substr() 调用包装在对 wpautop - wpautop(substr(...)) 的调用中。您可能还希望测试传递给函数的 $rawHtml 的长度，如果不够长，则跳过附加“更多”链接。

【讨论】：

【解决方案2】：

正如 ajreal 所说，DOMDocument 是一种解决方案。

例子：

$str = "
<html>
 <head>
  <title>test</title>
 </head>
 <body>
  <p>error</i>
 </body>
</html>
";

$doc = new DOMDocument();
@$doc->loadHTML($str);
echo $doc->saveHTML();

优点：原生包含在 PHP 中，与 PHP Tidy 相反。

【讨论】：

我很感激这是一个简单的答案，如果您正在处理一个简单的问题，并且不希望安装任何额外库的开销。就我而言，我让用户从电子邮件和 Word 中粘贴不完整的 HTML，这解决了它。
这正是我正在寻找的那种干净的答案。非常感谢。

【解决方案3】：

有很多方法可以使用：

使用适当的 HTML 解析器，例如 DOMDocument
使用PHP Tidy修复未关闭的标签
有些人会建议HTML Purifier

【讨论】：

不错，php tidy 真的很简单。
tidy 非常适合简单、快速和肮脏。呃，我的意思是清洁。 HTML Purifier 是一个野兽，非常适合复杂的规则集。