将HTML转换为文本

Question

我正在开发一个需要将html电子邮件转换为文本的项目。以下是HTML代码的简化版本：

<table>
    <tr>
        <td width="10%"></td>
        <td width="60%"> test product </td>
        <td width="20%">5</td>
        <td width="10%"> £50.00 </td>
    </tr>
    <tr>
        <td></td>
        <td colspan="3" width="100%"> Project Name: Test Project </td>
    </tr>
    <tr>
        <td width="10%"> </td>
        <td colspan="2" width="80%"> Page 1 : 01 New York 1.jpg </td>
        <td width="10%"> £0.00 </td>
    </tr>
</table>

预期结果应该在文本文件中看起来像这样（列很好地对齐）：

test product                                      5            £50.00
Project Name: Test Project                                                            
Page 1 :  01 New York 1.jpg                                    £0.00

我的想法是通过DOMDocument解析HTML内容。然后我将为表格设置默认宽度（即：100个空格），然后将每列的宽度从％转换为空格数（基于colspan和width <td>属性} 标签）。然后我将这些列宽减去每列中数据的strlen，以将pad_right所需的空格数归档到字符串，使所有内容垂直对齐。

我一直在那样工作，没有归档我想要的东西，但只是想知道它是不是愚蠢或者任何人都知道更好的方法请帮助我。

当涉及到多字节语言（日语，韩语等......）时，我不认为我的方法会起作用，因为它们的字符将超过一个空格并且最终会变得混乱。

有人可以帮帮我吗？

Answer 1

不要重新发明轮子。表格渲染很困难，只使用文本渲染表格更加困难。为了阐明提供HTML所有功能的基于文本的表格渲染器的复杂性，请查看w3m，它是开源的： these 3000 lines of code只显示html表格。

将HTML转换为文本

有一些基于文本的浏览器可以被命令行使用，比如lynx。您可以将您的html表fwrite转换为文件，将该文件传递到基于文本的浏览器并获取其输出。

注意：基于文本的浏览器通常用于shell，通常以等宽字体显示。这仍然是一个先决条件。

lynx和w3m都可以在Windows上使用，你不需要“安装”它们，你只需要拥有可执行文件和从PHP运行它们的权限。

代码示例：

<?php
$table = '<table><tr><td>foo</td><td>bar</td></tr></table>'; //this contains your table
$html = "<html><body>$table</body></html>";

//write html file
$tmpfname = tempnam(sys_get_temp_dir(), "tblemail");

$handle = fopen($tmpfname, "w");
fwrite($handle, $html);
fclose($handle);

$myTextTable = shell_exec("w3m.exe -dump \"$tmpfname\"");
unlink($tmpfname);

w3m.exe需要在您的工作目录中。

（没试过）

渲染文本表

如果你想要一个本机PHP解决方案，那么至少有一个框架（https://github.com/c9s/CLIFramework）针对PHP的控制台应用程序，它有一个表格渲染器。

它不会将HTML转换为文本，但它可以帮助您构建一个支持多行单元格的文本格式表（这似乎是最复杂的部分）。

使用CLIFramework，你需要这样的代码来渲染你的表：

<?php
require 'vendor/autoload.php';
use CLIFramework\Component\Table\Table;

$table = new Table;
$table->addRow(array( 
    "test product", "5", "£50.00"
));
$table->addRow(array( 
    "Project Name: Test Project", "", ""
));
$table->addRow(array( 
    "Page 1 : 01 New York 1.jpg", "", "£0.00"
));

$myTextTable = $table->render();

CLIFramework表呈现器似乎不支持类似于“colspan”的任何内容。

以下是表组件的文档：https://github.com/c9s/CLIFramework/wiki/Using-Table-Component

将HTML表格转换为文本

1 个答案:

将HTML转换为文本

渲染文本表