压缩 HTML 标记中属性之间的空格答案

【问题标题】：Compress whitespace between attributes in an HTML tag压缩 HTML 标记中属性之间的空格
【发布时间】：2010-12-07 18:25:15
【问题描述】：

我们刚刚发布了一些代码以使我们的软件更加用户友好，但结果适得其反。基本上，我们试图用  标签替换换行符。问题是，有时我们的用户会输入如下代码：

<a
 href='http://nowhere.com'>Nowhere</a>

当我们运行我们的代码时，这会转化为

<a <br />href='http://nowhere.com' />Nowhere</a>

这显然不能正确渲染。

是否有正则表达式或 PHP 函数可以去除或压缩 HTML 标记属性之间的空白？

澄清：这不是完整的 HTML。它更类似于 Markdown 或其他一些语言（我们最终将转向 Markdown，但我需要快速修复）。所以我不能把它解析为普通的 HTML。换行符需要正确转换为 标签。

【问题讨论】：

@ajreal - trim() 只会做字符串的开头和结尾。

标签： php attributes newline whitespace

【解决方案1】：

嗯，你为什么要使用格式化 html 的工具而不是为此目的而设计的，给你自己一个 DOM 库。

http://simplehtmldom.sourceforge.net/

【讨论】：

我正在解析的不是有效的 HTML，它是其中可能包含 HTML 的文本。因此，HTML 的部分需要是有效的，但其余的只是文本。
那么你有没有实现 标签的原始内容？如果是这样，将其放入 DOM Parser，循环抛出每个元素并将属性放置在一个新的新标签中，然后将其格式化。
我不确定我是否遵循。如果我将文本放入 DOM 解析器，我会丢失所有需要转换为   标签的换行符，对吧？
您上面的文本是您翻译的文本以换行以正确打破标签，所以如果您有 html 版本（带有换行符）然后将该 html 放入 DOM 解析器，循环抛出它找到的每个元素并提取每个标签及其属性/值并插入到由 DOM 解析器创建的新元素中，一旦 DOMparser 研究了整个文档，它们将其输出为 html，您应该有一个干净的文档。为什么无论如何都需要替换新行新行，网页设计中没有使用过什么，所以你不需要用 替换它们
这些是电子邮件模板和用户签名，所以大多数时候它们只有文本。文本需要转换为 HTML 以显示在电子邮件消息中，并使用用户请求的换行符进行格式化。此外，这些模板有时需要包含返回站点的链接的基本 HTML。由于整个正文不是真正的 HTML，我不能使用 DOM 解析器。我找到了一个我会尽快添加的解决方案。

【解决方案2】：

你需要一个能正确解析你扔给它的所有 HTML 的库，你永远不知道用户会发明什么。

看HTML Purifier

【讨论】：

【解决方案3】：

经过一番搜索和反复试验，我想出了以下解决方案/hack：

/*
 * Compress all whitespace within HTML tags (including PRE at the moment)
 */
$regexp = "/<\/?\w+((\s+(\w|\w[\w-]*\w)(\s*=\s*(?:\".*?\"|'.*?'|[^'\">\s]+))?)+\s*|\s*)\/?>/i";

preg_match_all($regexp, $text, $matches);

foreach($matches[0] as $match) {
  $new_html = preg_replace('/\s+/', ' ', $match);
  $text = str_replace($match, $new_html, $text);
}

执行此代码后，$text 中的所有 HTML 标记都将正确格式化并有效，不包含换行符。

我知道这不是最好的解决方案，但它确实有效，而且很快我们就会迁移到真正的标记语言（例如 Markdown）。

【讨论】：

我对其他有帮助的答案投了赞成票，但决定接受我自己的答案，因为这是我针对这个特定问题的实际解决方案。

【解决方案4】：

理想情况下，您会通过 DOM 或 SAX API 使用 XML 解析器。但是，如果您的内容不是正确的 XML，而是带有一些标签的纯文本，则解析器可能会失败（我猜这取决于使用的工具）。

针对您的特定问题的粗略解决方案可能如下：构造一个具有两种状态的状态机，标签内和标签外。您逐个字符地读取输入。读取“”后，切换到“外部”状态。读取 '\n' 并且如果处于“外部”状态，则发出“
”（否则不发出任何内容）。

这只是一个草图，可能需要完善。

【讨论】：