如何从 XML 中提取某些标签并用 SimpleXML 替换其他标签

Question

我正在用 PHP 编写自己的博客，我希望能够在 Markdown 中写帖子以 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 Markdown 转换为 HTML，但是一旦完成，我需要对 HTML 做一些事情：

1. 我需要使用 htmlentities() 函数替换 pre 标记内的所有 HTML 符号。 （在我的博客中，我发布了包含 HTML 在内的代码，我只想显示这个 HTML，而不是在浏览器中解析它）。

2. 我需要提取所有纯文本，以便在结尾处创建不包含图像标签或半标签（或 pre 中的代码片段）的摘录。

我认为使用以下代码可以解决问题 2：

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

$xml 现在看起来像：

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

这会提取所有文本：

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

这可行，但是我也希望它包含在 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遍历 $xml 的所有子级，但我找不到如何检查元素是 p、ul 还是 ol。

而且我找不到解决问题 1 的方法，因为我不知道如何替换 XML 对象中的内容，但保持其他所有内容不变。 （或者我是否遗漏了一些非常明显的东西？）

Answer 1

经过大量搜索后，我无法准确找到我正在寻找的使用 XML 解析的内容，此外我还需要一些其他功能。我用 REGEX 解决了这个问题，因为所有的 HTML 都是由我生成的。

所以这里提供的解决方案解决了我原来的问题+一些问题。

这个函数接受一段内容（字符串）并返回几个字符串：

• md = 与 pre 中带有尖括号的内容更改为它们的 html 实体相同（我写了关于 HTML 的博客，但在我的 edit post 屏幕中，我不希望 pre 中的 html 被解析.
• html = pre 之外的所有内容都是 Markdown 的，pre 中的每个 htmlchar 都更改为它们的 html 实体。
• 摘录 = 文本缩小到接近 300 个字符，没有任何前置标记（或这些标记的内容），没有降价语法或 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;
  }