用于HTML的PHP​​ SAX解析器？

Question

我需要PHP的HTML SAX（不是DOM！）解析器才能处理甚至无效的HTML代码。 我需要它的原因是过滤用户输入的HTML（删除所有属性和标签 除了允许的内容之外）并将HTML内容截断为指定的长度。

有什么想法吗？

Answer 1

SAX用于处理有效的XML并在无效标记上失败。处理无效的HTML标记需要保留比SAX解析器通常保留的状态更多的状态。

我不知道任何类似SAX的HTML解析器。最好的方法是使用HTML之前整理HTML，然后使用XML解析器，但这可能会破坏您首先使用SAX解析器的目的。

Answer 2

尝试使用HTML SAX Parser

Answer 3

总结为两个步骤：

1. 使用 Tidy 将“免费HTML”转换为“优秀的XHTML”。
2. 使用 XML Parser 通过 SAX API 将XHTML解析为XML。

---

首先使用Tidy（！）将“免费HTML”转换为XHTML（或者当您无法信任“假定的XHTML”时）。请参阅cleanRepair方法。它需要更多时间，但是如果太大，则运行大文件（！）... Set some minutes as maximum execution time。

另一个选项（用于处理大文件）是在检查或转换为XHTML后缓存XHTML文件。参见Tidy的repairfile方法。

使用“受信任的XHTML”，使用SAX ...如何在PHP中使用SAX？

使用SAX standard API解析XML，在PHP中由LibXML实现（参见 LibXML2 xmlsoft.org），其接口为{{3 }，接近 SAX标准API 。

另一种使用“ LibXML2 的SAX”的方法是使用另一个接口（一个PHP's XML Parser而不是传统的SAX接口），使用PHP iterator。请参阅XMLReader。

---

是的，PHP手册（!!）中没有表达“SAX”或“SAX API”这两个术语。请参阅this explanation about "XMLReader use SAX"。

Answer 4

我可以在这里建议梨包：http://pear.php.net/package/XML_HTMLSax/redirected