将html标记添加到PHP中的字符串中

Question

我想将html标记添加到PHP中的HTML字符串中，例如：

<h2><b>Hello World</b></h2>
<p>First</p>
Second
<p>Third</p>

第二个不包含任何html元素，因此系统将向其中添加p标记，预期结果如下：

<h2><b>Hello World</b></h2>
<p>First</p>
<p>Second</p>
<p>Third</p>

尝试使用PHP简单的HTML DOM解析器，但不知道如何处理它，下面是我的想法示例：

function htmlParser($html)
{
    foreach ($html->childNodes() as $node) {
        if ($node->childNodes()) {
            htmlParser($node);
        }
        // Ideally: add p tag to node innertext if it does not wrapped with any tag
    }

    return $html;
}

但是childNode不会循环到第二个中，因为它没有封装在其中的元素，并且regex不建议处理html标记，对它有什么想法吗？

非常感谢，谢谢。

Answer 1

这是一个很酷的问题，因为它促进了对DoM的思考。

我提出了一个@sideshowbarker，慷慨评论的问题HTML解析器如何处理无标记文本，这使我思考，并提高了我对DoM的知识，特别是关于文本节点的知识。

下面是一种基于DoM的查找候选文本节点并将其填充到'p‘标记的方法。有很多文本节点应该放在一边，比如空格、回车和用于格式化的行提要(“丑陋者”可能会去掉这些)。

<?php

$html = file_get_contents("nodeTest.html"); // read the test file
$dom = new domDocument;            // a new dom object
$dom->loadHTML($html);             // build the DoM
$bodyNodes = $dom->getElementsByTagName('body');  // returns DOMNodeList object
foreach($bodyNodes[0]->childNodes as $child)      // assuming 1 <body> node
{
    $text="";
    // this tests for an untagged text node that has more than non-formatting characters
    if ( ($child->nodeType == 3) && ( strlen( $text = trim($child->nodeValue)) > 0 ) )
    { // its a candidate for adding tags
        $newText = "<p>".$text."</p>";  
        echo str_replace($text,$newText,$child->nodeValue);
    }
    else
    {   // not a candidate for adding tags
        echo $dom->saveHTML($child);
    }
}     

nodeTest.html包含了这个。

<!DOCTYPE HTML> 
<html>
<body>
    <h2><b>Hello World</b></h2>
    <p>First</p>
    Second
    <p>Third</p>
    fourth
    <p>Third</p>
    <!-- comment -->
</body>
</html>

输出是这个..。我不想重复外面的标签。注意，注释和格式设置是正确处理的。

<h2><b>Hello World</b></h2>
<p>First</p>
<p>Second</p>
<p>Third</p>
<p>fourth</p>
<p>Third</p>
<!-- comment -->

显然，您需要遍历DoM，并在每个元素节点重复搜索/替换，如果您想使事情变得更通用的话。在本例中，我们仅停留在Body节点，并处理每个直接子节点。

我不能百分之百地确定代码是否是最有效的，如果我找到更好的方法，我可能会考虑更多的代码并进行更新。

Answer 2

用一种愚蠢的方法来解决这个问题，下面是我的代码：

function addPTag($html)
{
    $contents = preg_split("/(<\/.*?>)/", $html, -1, PREG_SPLIT_DELIM_CAPTURE | PREG_SPLIT_NO_EMPTY);
    foreach ($contents as &$content) {
        if (substr($content, 0, 1) != '<') {
            $chars = preg_split("/(<)/", $content, -1, PREG_SPLIT_DELIM_CAPTURE | PREG_SPLIT_NO_EMPTY);
            $chars[0] = '<p>' . $chars[0] . '</p>';
            $content = implode($chars);
        }
    }

    return implode($contents);
}

希望还有其他优雅的方式而不是这样，谢谢。

Answer 3

你可以试试简单HTML Dom解析器

$stringHtml = 'Your received html';

$html = str_get_html(stringHtml);

//Find necessary element and edit it
$exampleText = $html->find('Your selector here', 0)->last_child()->innertext