При использовании PHP Simple HTML DOM Parser, нормально ли линия прерывается
теги удаляются?
Я знаю, что это старо, но я тоже искал это, и понял, что на самом деле есть встроенная опция, чтобы отключить удаление разрывов строк. Не нужно переходить к редактированию источника.
Функция load
PHP Simple HTML Dom Parser поддерживает множество полезных параметров:
load($str, $lowercase=true, $stripRN=false, $defaultBRText=DEFAULT_BR_TEXT)
При вызове функции load
просто передайте значение false
в качестве третьего параметра.
$html = new simple_html_dom(); $html->load("<html><head></head><body>stuff</body></html>", true, false);
Если вы используете file_get_html
, это девятый параметр.
file_get_html($url, $use_include_path = false, $context=null, $offset = -1, $maxLen=-1, $lowercase = true, $forceTagsClosed=true, $target_charset = DEFAULT_TARGET_CHARSET, $stripRN=true, $defaultBRText=DEFAULT_BR_TEXT)
Изменить: для str_get_html
это пятый параметр (Спасибо yitwail)
str_get_html($str, $lowercase=true, $forceTagsClosed=true, $target_charset = DEFAULT_TARGET_CHARSET, $stripRN=true, $defaultBRText=DEFAULT_BR_TEXT, $defaultSpanText=DEFAULT_SPAN_TEXT)
Также боролся с этим, так как мне нужно, чтобы HTML был легко доступен для редактирования после обработки.
По-видимому, в сценарии SimpleHTMLDOM
$stripRN
есть логическое $stripRN
, которое установлено по умолчанию по умолчанию. Он разбивает теги \r
, \n
или \r\n
в HTML.
Установите var в false
(несколько вступлений в скрипт ..), и ваша проблема решена.
Вам не нужно менять все $stripRN
на false, единственное, что влияет на это поведение, – на строку 816 “:
// load html from string function load($str, $lowercase=true, $stripRN=false, $defaultBRText=DEFAULT_BR_TEXT) {
Также рассмотрите возможность изменения строки 988, поскольку многобайтовые функции часто не устанавливаются на машинах, которые не имеют отношения к не-западно-европейским языкам. Исходная строка в версии 1.5 немедленно прерывает скрипт:
if (function_exists('mb_detect_encoding')) { $charset = mb_detect_encoding($this->root->plaintext . "ascii", $encoding_list = array( "UTF-8", "CP1252" ) ); } else $charset === false;
Если вы проходили мимо здесь, задаваясь вопросом, можете ли вы сделать то же самое в DomDocument, тогда я, пожалуйста, скажу, что вы можете! – но это немного грязно 🙁
У меня был фрагмент кода, который я хотел бы привести в порядок, но сохранил точные разрывы строк, которые он содержал (\ n). Это то, что я сделал …
// NOTE: If you're HTML isn't a full HTML document then expect DomDocument to // start creating its own DOCTYPE, head and body tags. // Convert \n into a pretend tag $myContent = preg_replace("/[\n]/","<img src=\"slashN\" />",$myContent); // Do your DOM stuff... $dom = new DOMDocument; $dom->loadHTML($myContent); $dom->formatOutput = true; $myContent = $dom->saveHTML(); // Remove the \n's that DOMDocument put in itself $myContent = preg_replace("/[\n]/","",$myContent); // Put my own \n's back $myContent = preg_replace("/<img src=\"slashN\" \/>/i","\n",$myContent);
Важно отметить, что я знаю, без тени сомнения, что мой ввод содержал только \ n. Возможно, вам понадобятся ваши собственные варианты, если нужно учитывать учетную запись \ r \ n или \ t. например, slash.T или slash.RN и т. д.
Другим вариантом является желание сохранить другое форматирование, такое как абзацы и заголовки, это использовать innertext
plaintext
а не innertext
plaintext
затем выполнить свою собственную очистку строки с результатом.
Я понимаю, что есть хиты производительности, но это позволяет более гранулировать управление.