【问题标题】:How to identify if a text is HTML or not? (in PHP)如何识别文本是否为 HTML? (在 PHP 中)
【发布时间】:2013-08-14 21:16:29
【问题描述】:

我想从数据库中读取文本条目,其中一些实际上是 HTML 条目,其他只是纯文本,可能包含应该显示为文本的 HTML 标记。

那些纯文本应该被转换为 HTML,首先调用 PHP 的 htmlspecialchars() 函数,然后通过 HTMLPurifier 运行结果。

或者换句话说,我正在寻找一些关于如何实现 isHTML() 函数的提示:

$text = getTextFromDatabase();
if (!isHTML($text)) {
    $text = htmlspecialchars($text);
}
$purifier = new HTMLPurifier();
$clean_html = $purifier->purify($text);

因此,例如以下文本将贯穿htmlspecialchars:

The <p> tag of HTML has to be followed by a </p> tag to end the paragraph.

以下文字不会贯穿htmlspecialchars:

<p>These are few lines of HTML.</p>
<div>There might be multiple independent</div>
<p>but valid HTML blocks in it.</p>

似乎应该已经有一个isHTML() 函数,但我碰巧找不到它,我不想重新发明轮子:-)。也许甚至可以通过某种 HTMLPurifier 设置来做到这一点?

请注意,如果 HTML 代码有问题,则应由 HTMLPurifier 处理,并且代码不应通过 htmlspecialchars 运行。 :-) 例如,当 HTML 代码中确实应该有一个结束 &lt;/p&gt; 标记时,有一个开始 &lt;p&gt; 标记。

任何帮助表示赞赏,已经感谢:-),
罗伯特。

【问题讨论】:

  • 两者都是机器的 HTML sn-ps,我很难按照你的逻辑来确定哪些应该编码,哪些不应该编码,除非你想编写一个可以逻辑地解释文本然后知道区别......
  • “实际上是 HTML 条目” 和 “可能包含 HTML 标记的纯文本” 有什么区别??

标签: php html text htmlpurifier


【解决方案1】:

你可以试试这个功能

function isHTML($string){
    return ($string != strip_tags($string));
}

【讨论】:

    【解决方案2】:

    考虑这个逻辑: 如果 htmlentities 检测到有效的 html 文本,则 htmlentities 的输入文本和输出文本是不同的。所以:

    function isHTML($text){
       $processed = htmlentities($text);
       if($processed == $text) return false;
       return true; 
    }
    

    我希望这对你有用

    【讨论】:

    • 我认为这应该是公认的答案,因为它也可以区分 HTML 和 XML。
    • 此函数无法判断字符串是否为 HTML。例如,请参阅 isHTML('A =&gt; B means if A is true then B is also true; if A is false then nothing is said about B.') 返回不正确的 true。它唯一做的就是判断一个字符串是否包含可以转换为 HTML 实体的字符。
    【解决方案3】:

    您只能在字符串中检查特定于 html 的字符

    function is_html($string)
    {
      return preg_match("/<[^<]+>/",$string,$m) != 0;
    }
    

    【讨论】:

    • 我喜欢这个想法,但必须扩展一点。使用/^\s*&lt;\s*\w+\d?\s*&gt;/ 匹配开头的开始标签,使用/&lt;\s*\/?\s*\w+\d?\s*&gt;\s*$/ 匹配行尾的结束标签(允许忘记输入/ 字符的错误)。然后我可以计算有多少行包含在一个开始和结束标记(“标记块”)的块中,不允许空行/空白行。将标记块中的行数除以没有空行的总行数,然后应该可以估计出 HTML 文本的可能性。 :-)
    • 如果 html 标签无效,此解决方案将返回正值 false。你可以在这里查看regex101.com/r/VQ4wvQ/1
    【解决方案4】:

    如果唯一的目的是检测该字符串是否包含任何 html 标签。无论标签是否有效,您都可以试试这个:

    function is_html($string) {
      // Check if string contains any html tags.
      return preg_match('/<\s?[^\>]*\/?\s?>/i', $string);
    }
    

    你可以在这里验证https://regex101.com/r/2g7Fx4/4

    【讨论】:

    • 这是对@JTC 上述答案的改进,得到了更多的支持。
    【解决方案5】:

    我在想我们是否可以将字符串的剥离标签版本与原始版本进行比较。如果它们不同 - 那么就有一些东西可以剥离。这家伙提出了同样的事情:https://subinsb.com/php-check-if-string-is-html

    【讨论】:

      猜你喜欢
      • 2017-05-07
      • 2019-07-24
      • 1970-01-01
      • 1970-01-01
      • 1970-01-01
      • 1970-01-01
      • 1970-01-01
      • 2017-03-17
      • 1970-01-01
      相关资源
      最近更新 更多