Question

我正在尝试使用MediaWiki的API来获取XML格式的文章并将它们包含在我的页面上。我创建了一个简单的代码，它基本上使用?action=parse&page=Page_Name&format=xml请求获取文章的XML表示。代码如下：

if($_GET["page"]=='') die("Page not specified (possibly direct call)");
$pagename = $_GET["page"];
$handle = @fopen("mediawiki/api.php?action=parse&page=".$pagename."&format=xml", "r");
if ($handle) {
        while (!feof($handle)) {
        $buffer = $buffer.fgets($handle);
        }       
    $buffer = html_entity_decode($buffer);
    /*
    echo $buffer;
    */
    $xml = simplexml_load_string($buffer);
    foreach($xml->parse->children() as $child){
        switch($child->getName()){
            case "text":
                echo $child->asXML()."<br/>";
                break;
            case "categories":
                echo "<h3>Categories this project is related to: </h3><br/>";
                foreach($child->children() as $grandChild){
                    echo $grandChild." | ";
                }
                break;
        }
    }
    fclose($handle);
}

现在的问题是我的输出非常奇怪。任何<a name="" href=""></a>都会转换为<a name="" href=""/>，这会使所有后续文本成为一个链接（我猜是因为没有结束标记</a>）。这在Mozilla Firefox和Google Chrome中都可以看到。我怀疑$buffer = html_entity_decode($buffer);会导致这个问题。是否有html_entity_decode();的参数我应该指定以避免这种情况？是由于我的代码中的html_entity_decode();的其他错误或误用造成的吗？

（要查看Wiki API的XML输出，您可以尝试http://en.wikipedia.org/w/api.php?action=parse&page=No_Such_Page&format=xml使用不同的page参数

可能的解决方案：我不想像乔丹建议的那样去JSON，所以我提出了这个解决方案。我只是将html_entity_decode移到case "text":块。所以现在我有echo html_entity_decode($child->asXML())."<br/>";。你觉得这还行吗？

Answer 1

问题不在于html_entity_decode()。问题是SimpleXML将<text>元素的内容视为XML而不是文本。默认情况下，SimpleXML压缩空元素（<a></a>到<a />）。解决此问题的一种方法是将SimpleXML对象导入DOM对象，并在saving the output时使用LIBXML_NOEMPTYTAG选项。此选项的问题在于，任何<br />元素都将输出为<br></br>。

更简单的替代方法是使用API中的不同响应格式。我建议使用json响应格式并使用json_decode()函数来解析响应。

Answer 2

这不是奇怪的输出，这是有效的XML。当您有一个空标记时，XML允许您使用在HTML或XHTML中并不总是有效的简短结束语法

<foo></foo>
<foo />

html_entity_decode();函数转换html实体，例如

&gt; converts to
>

您需要对xml片段进行后处理并将其转换为正确的HTML。最简单的方法是使用DomDocument API。

$foo = new DomDocument();
$foo->loadHtml('<p> Testing <a href="" /> </p>');   
echo $foo->saveHtml();

这将采用XML片段，并将其转换为HTML文档，其中包括修复所有自闭标签。你仍然需要解析<body/>中的内容，但这比自己修复所有自闭标签容易得多。

PHP html_entity_decode和HTML <a> tag</a>

2 个答案: