1

我有一个奇怪的问题在这里，但它完全难倒我。最重要的是，这是因为我想不出要搜索的正确术语，所以这个问题很可能在某个地方的 StackOverflow 上得到回答，但我找不到。

我们有一个校对系统，允许我们获取页面并对其进行注释。我们可以将页面发送给我们的客户，他们可以在发回之前在上面做笔记。在大多数情况下，这工作正常。当我们尝试使用类似于 Handlebars 的 JavaScript 模板系统时，问题就来了。我们倾向于在我们的页面上有类似这样的脚本模板：

<script type="client/template" id="foo-div">
<div>#foo#</div>
</script>

我们可以在我们的脚本中使用它在模板中生成标记，替换#foo#为正确的数据。

当我们尝试将其放入打样系统时，问题就来了。因为我们需要抓取页面以便我们可以在我们的域中呈现，所以我们使用 PHPDOMDocument来解析 HTML，以便我们可以轻松地修改它（添加诸如target="_blank"外部链接之类的东西）。当我们尝试通过 运行模板时DOMDocument，它会奇怪地解析它（可能将其视为无效的 XML），这会导致页面出现问题。为了更好地说明这一点，这里有一个 PHP 示例：

<?php

error_reporting(E_ALL);
ini_set('display_errors', 1);

$html = '<!DOCTYPE html>'.
    '<html>'.
    '<head></head>'.
    '<body>'.
    '<script type="client/template" id="foo-div"><div>#foo#</div></script>'.
    '</body>'.
    '</html>';

$dom = new DOMDocument();

libxml_use_internal_errors(true);

try {
    $html = $dom->loadHTML($html);
} catch (Exception $e) {
    throw new Exception('Invalid HTML on the page has caused a parsing error');
}

if ($html === false) {
    throw new Exception('Unable to properly parse page');
}

$dom->preserveWhiteSpace = false;
$dom->formatOutput = false;

echo $dom->saveHTML();

该脚本生成的代码类似于下面的 HTML，并且似乎没有抛出任何异常。

<!DOCTYPE html>
<html>
<head></head>
<body><script type="client/template" id="foo-div"><div>#foo#</script></body>
</html>

我的问题是：有人知道我可以让 PHP单独DOMDocument留下模板script标签吗？是否有一个设置或插件可用于将带有属性DOMDocument的标签的内容视为纯文本，就像浏览器一样？scripttype

编辑

我最终选择了 Alf Eaton 的解决方案或将字符串解析为 XML。但是，并非所有 HTML 标记都是自关闭的，这会导致问题。我在这里发布完整的解决方案，以防有人遇到同样的问题：

/**
 * Inserts a new string into an old string at the specified position.
 * 
 * @param string $old_string Old string to modify.
 * @param string $new_string New string to insert.
 * @param int $position Position at which the new string should be inserted.
 * @return string Old string with new string inserted.
 * @see http://stackoverflow.com/questions/8251426/insert-string-at-specified-position
 */
function str_insert($old_string, $new_string, $position) {

    return substr($old_string, 0, $position) . $new_string .
        substr($old_string, $position);

}

/**
 * Inspects a string of HTML and closes any tags that need self-closing in order
 * to make the HTML valid XML.
 * 
 * @param string $html Raw HTML (potentially invalid XML)
 * @return string Original HTML with self-closing slashes added.
 */
function self_close($html) {

    $fixed = $html;
    $tags  = array('area', 'base', 'basefont', 'br', 'col', 'frame',
        'hr', 'img', 'input', 'link', 'meta', 'param');

    foreach ($tags as $tag) {

        $offset = 0;

        while (($offset = strpos($fixed, '<' . $tag, $offset)) !== false) {

            if (($close = strpos($fixed, '>', $offset)) !== false &&
                    $fixed[$close - 1] !== '/') {
                $fixed = str_insert($fixed, '/', $close);
            }

            $offset += 1; // Prevent infinite loops

        }

    }

    return $fixed;

}

// When parsing the original string:
$html = $dom->loadXML(self_close($html));
4

2 回答 2

0

当 PHP 的 DOMDocument 解析 HTML 时，它使用了一些故障安全技术。
在脚本标签的情况下，有两个。

首先是一个特殊的 cript-tag 内容处理——因为<script>标签不能包含任何其他标签，它里面的所有东西都假定为文本。

第二种技术是整个 html tag-autoclose hack。当解析器找到错误节奏的结束标签时，它会尝试找到最近的父开始标签，并自动关闭这个找到的打开标签和放置错误的关闭标签之间的每个标签。如果解析器找不到正确的打开标签，它只会忽略关闭标签。

如果你尝试解析这样的代码，你会看到这一点<body><div><script type="client/template" id="foo-div"><div>#foo#</div>dfdf</script></div></body>——你会得到<body><div><script type="client/template" id="foo-div"><div>#foo#</script></div>dfdf</body>你的脚本。

没有正常的方法可以让 DOMDocument 以您想要的方式解析 html5。
但是您可以使用一个简单的技巧 - 只需用正则表达式替换所有打开<的角括号或脚本标记内的任何其他未使用的符号。&lt;处理后，您可以通过相同的程序全部取回。

于 2013-11-05T12:33:25.257 回答
0

如果输入文档是有效的 XML，将其解析为 XML 而不是 HTML 将保留<script>标记的内容：

<?php

$html = <<<END
<!DOCTYPE html>
<html><body>
<script type="client/template" id="foo-div"><div>#foo#</div></script>
</body></html>
END;

$doc = new DOMDocument();
$doc->preserveWhiteSpace = true; // needs to be before loading, to have any effect
$doc->loadXML($html);
$doc->formatOutput = false;
print $doc->saveHTML();

// <!DOCTYPE html>
// <html><body>
// <script type="client/template" id="foo-div"><div>#foo#</div></script>
// </body></html>
于 2013-11-05T11:59:01.460 回答