使用 phpQuery 解析 html：如何处理 pre 标记内的 C++ 代码？答案

【问题标题】：Parsing html with phpQuery : how to handle C++ code inside a pre tag?使用 phpQuery 解析 html：如何处理 pre 标记内的 C++ 代码？
【发布时间】：2011-08-23 14:04:21
【问题描述】：

在数据库中我有一些类似这样的代码

Some text
<pre>
#include <cstdio> 

int x = 1;
</pre>
Some text

当我尝试使用 phpQuery 进行解析时，它会失败，因为 <cstdio> 被解释为标签。

我可以使用htmlspecialchars，但仅在pre 标签内应用它，我仍然需要进行一些解析。我可以使用正则表达式，但它会更加困难（我需要处理pre 标签的可能属性）并且使用解析器的想法是避免这种正则表达式的事情。

做我需要做的最好的方法是什么？

【问题讨论】：

标签： php html parsing pre phpquery

【解决方案1】：

记得在组装之前对 HTML（&> 等）进行编码

【讨论】：

是的，我知道，但编辑是由用户完成的，我不能要求他们这样做。要自动执行此操作，我需要找到一种仅在 pre 标签内对字符进行编码的方法。我可以在不必构建复杂的正则表达式的情况下做到这一点吗？这是我的问题。
好吧——我不知道。 Javascript 有这个内置功能。您必须能够在用户之后但在服务器之前获取内容？ var clean = encodeURIComponent(document.getElementById('[你的东西]').textValue);
如果javascript能做到，php也能做到。问题是仅正确识别和编码 pre 标签内的内容，即使标签具有奇怪（但有效）的属性。

【解决方案2】：

我终于采用了正则表达式，只考虑pre标签的简单属性（属性内没有'>'）：

  foreach(array('pre', 'code') as $sTag)
     $s = preg_replace_callback("#\<($sTag)([^\>]*?)\>(.+?)\<\/$sTag\>#si",
     function($matches)
     {
        $matches[3] = str_replace(array('&amp;', '&lt;', '&gt;'), array('&', '<', '>'), $matches[3]);      
        return "<{$matches[1]} {$matches[2]}>".htmlentities($matches[3], ENT_COMPAT, "UTF-8")."</{$matches[1]}>";
     },
     $s);

它还处理已经转换为 html 实体的字符（我们不希望有两次）。

不是一个完美的解决方案，但考虑到我需要在其上应用它的数据，它会起作用。

【讨论】：

【解决方案3】：

错误是，您的数据库包含 HTML，其中包含一些尚未正确编码的文本。

因此，如果您想节省时间并找到正确的解决方案，那么您应该确保数据库中的 HTML 编码正确。这意味着，您应该确保所有内容都已正确编码（使用htmlspecialchars()）在保存到您的数据库之前！

否则你只是在你的数据库中保存垃圾，你将不得不编写一些特殊的代码来“美化那些垃圾”。

任何其他解决方案都是变通方法，而这些解决方案将在您的未来浪费您宝贵的时间。

所以：最好的解决方案是确保您写入数据库的任何内容都是正确的。

【讨论】：

是的，确实如此。但是数据库中的内容已经很大，所以我需要对其进行清理（我们又回到了同样的问题）。另外由于用户需要编辑这些文本，我不能要求他们使用&gt; 或者在编辑时必须看到它们......