代码之家 › 专栏 › 技术社区 › Gary Willoughby

在HTML文本中添加缺少的标记而忽略其他标记的最佳方法?

parsing html javascript php

Gary Willoughby · 技术社区 · 15 年前

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Suspendisse feugiat, nunc at vestibulum egestas.

<script type="c">
    #include &lt;stdio.h&gt; 
    #define debug(var) printf(#var &quot; = %d\n&quot;, var)
    int main(void)
    {
        int x = 12;
        debug(x)
        return 0;
    }
</script>

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Suspendisse feugiat, nunc at vestibulum egestas.

<h3>Test Heading</h3>
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Cras ultricies luctus metus ut cursus.

<ol>
    <li>One</li>
    <li>Two</li>
    <li>Three</li>
</ol>

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Cras ultricies luctus metus ut cursus.

如果你注意到没有  段落周围的标签。我想解析这个HTML并将正确的标记添加到文本的不同段落中。此外,无论使用什么解析器,它都不能触及任何其他有效的HTML。例如,标题和列表不应更改。

我已经用PHP拼凑出一个解决方案,虽然它可以工作,但速度并不快或

实现这一目标的最佳方式是什么?

我需要将HTML分解为元素,添加标记,并将组装好的HTML写回页面(?)

2 回复 | 直到 15 年前

cletus 15 年前

我的建议是使用 HTML Tidy 而不是自己把它拼凑起来。

$output = tidy_repair_string($input);

HTML Tidy Configuration Options 查看选项列表。对于您所需要的,默认行为可能很好。

streetparade 15 年前

http://simplehtmldom.sourceforge.net/

$html = str_get_html('Lorem ipsum dolor sit amet, consectetur adipiscing elit. Suspendisse feugiat, nunc at vestibulum egestas.

<h3>Test Heading</h3>
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Cras ultricies luctus metus ut cursus.

<ol>
    <li>One</li>
    <li>Two</li>
    <li>Three</li>
</ol>

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Cras ultricies luctus metus ut cursus.
');

$es = $html->find('text');


echo $es; // Output: Lorem ipsum dolor sit amet, consectetur adipiscing elit. Cras ultricies luctus metus ut cursus.

现在你必须用这段文字做点什么; 这样地 echo "$es"; 现在,您的文本处于 