如何防止Php的DOMDocument對html實體進行編碼？

我有一個函數，使用Php的DOMDocument替換字符串中錨點的href屬性。這裏有一個片段：如何防止Php的DOMDocument對html實體進行編碼？

$doc  = new DOMDocument('1.0', 'UTF-8'); 
$doc->loadHTML($text); 
$anchors = $doc->getElementsByTagName('a'); 

foreach($anchors as $a) { 
    $a->setAttribute('href', 'http://google.com'); 
} 

return $doc->saveHTML();

的問題是，loadHTML（$文本）環繞在DOCTYPE HTML，身體等標籤$文本。我試圖通過這樣做而不是loadHTML（）：

$doc  = new DOMDocument('1.0', 'UTF-8'); 
$node  = $doc->createTextNode($text); 
$doc->appendChild($node); 
...

不幸的是，這編碼所有的實體（包括錨點）。有誰知道如何關閉此功能？我已經徹底查看了文檔並試圖對其進行黑客入侵，但無法弄清楚。

謝謝！ :)

來源

2009-04-27 thesmart

$文字是翻譯的字符串佔位錨標記

如果這些佔位符有嚴格，明確定義的格式簡單preg_replace或preg_replace_callback可能做的伎倆。
我不建議用一般的正則表達式來處理html文檔，但對於一個明確定義的小的子集來說，它們是合適的。

來源

2009-04-27 19:18:16 VolkerK

XML只有very few predefined entities。你所有的html實體都是在別的地方定義的。當你使用loadhtml（）時，這些實體定義是自動加載的，而loadxml（）（或者根本不加載（））它們不是。
createTextNode（）完全正是名字所暗示的。您傳遞的所有值都被視爲文本內容，而不是標記。即如果將具有特殊含義的內容傳遞給標記（<,>，...），則它將以某種方式編碼，解析器可以將文本與實際標記區分開來（& lt，& gt ;, ...）

$ text從哪裏來？你不能在實際的html文件中做替換嗎？

來源

2009-04-27 09:35:52 VolkerK

loadHTML，不會發生實體轉換。我最終通過運行mb_substr（$ text，122，-19）以脆弱的方式解決了這個問題。從$ doc-> saveHTML（）的結果。哎呀！ :) $ text是一個帶有佔位符錨標記的翻譯字符串，因此替換必須在運行時完成。我寧願不分析整個文檔，因爲只解析翻譯後的鏈接會很困難。雖然好主意。 – thesmart 2009-04-27 17:50:42

我結束了在一個微妙的方式入侵這一點，改變：

return $doc->saveHTML();

到：

$text  = $doc->saveHTML(); 
return mb_substr($text, 122, -19);

這削減了所有不必要的垃圾，改變這樣的：

<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.0 Transitional//EN" 
"http://www.w3.org/TR/REC-html40/loose.dtd"> <html><body><p> 
You can <a href="http://www.google.com">click here</a> to visit Google.</p> 
</body></html>

into into：

You can <a href="http://www.google.com">click here</a> to visit Google.

任何人都可以找出更好的東西嗎？

來源

2009-04-27 17:54:43 thesmart

-1

好的，這是我最終的解決方案。決定採用VolkerK的建議。

public static function ReplaceAnchors($text, array $attributeSets) 
{ 
    $expression = '/(<a)([\s\w\d:\/=_&\[\]\+%".?])*(>)/'; 

    if (empty($attributeSets) || !is_array($attributeSets)) { 
     // no attributes to set. Set href="#". 
     return preg_replace($expression, '$1 href="#"$3', $text); 
    } 

    $attributeStrs = array(); 
    foreach ($attributeSets as $attributeKeyVal) { 
     // loop thru attributes and set the anchor 
     $attributePairs = array(); 
     foreach ($attributeKeyVal as $name => $value) { 
      if (!is_string($value) && !is_int($value)) { 
       continue; // skip 
      } 

      $name    = htmlspecialchars($name); 
      $value    = htmlspecialchars($value); 
      $attributePairs[] = "$name=\"$value\""; 
     } 
     $attributeStrs[] = implode(' ', $attributePairs); 
    } 

    $i  = -1; 
    $pieces = preg_split($expression, $text); 
    foreach ($pieces as &$piece) { 
     if ($i === -1) { 
      // skip the first token 
      ++$i; 
      continue; 
     } 

     // figure out which attribute string to use 
     if (isset($attributeStrs[$i])) { 
      // pick the parallel attribute string 
      $attributeStr = $attributeStrs[$i]; 
     } else { 
      // pick the last attribute string if we don't have enough 
      $attributeStr = $attributeStrs[count($attributeStrs) - 1]; 
     } 

     // build a opening new anchor for this token. 
     $piece = '<a '.$attributeStr.'>'.preg_replace($expression, '$1 href="#"$3', $piece); 
     ++$i; 
    } 

    return implode('', $pieces);

這允許用一組不同的錨屬性調用該函數。

來源

2009-04-27 21:52:43 thesmart

如何防止Php的DOMDocument對html實體進行編碼？

回答

相關問題