Question

我不确定这是否可行，但这里有

我们有一个页面，可以根据多个TinyMCE表单接收数据。我们希望将这些数据格式化为符合我们的XML存储标准（嗯，大多数是兼容的）。这主要包括剥离创建的某些多余的标记，并重新组织一些东西，以便它与我们的CSS渲染兼容。保留这些标签和属性会在外观和外观之间产生非常明显的差异。我使用正则表达式完成了大部分操作，但是发现了一种我似乎无法为其创建的情况。

基本上，我们会有一段HTML输入，如

<td colspan="3" width="214" valign="top">
    <p align="center">
        <strong>
            Here is some text.
        </strong>
    </p>
</td>

我们希望用

之类的东西取而代之

<td colspan="3" class="center bold">
     Here is some text.
</td>

基本上，从<td>（width和valign中剥离任何多余的标记，因为它们存在于我们的CSS中），然后将其赋予center类，因为由于子元素而具有align属性center和类bold的子元素。

是否有任何图书馆或类似内容可以让我这样做？我可以使用正则表达式，只要它们有效。

Answer 1

将HTML加载到DOM中，然后将该DOM加载到XPath中。使用XPath查询所需位置，并使用生成的nodeList和node-＆gt; parentNode导航相应的字段。 Node类有许多有用的属性，PHP可以读取和评估它们。其余的都是基于属性执行操作。

Answer 2

由于您要搜索的标记非常具体，定义明确且有效，因此正则表达式解决方案也应该能够很好地工作（并且速度可能会快得多）。假设最初的<TD>元素始终以colspan="3"属性开头，元素将始终只有align="center"属性，那么此测试的代码段应该执行特技：

$result = preg_replace(
    '%# Strip unwanted cruft from TinyMCE generated form markup.
    <td\scolspan="3"[^>]+>  # TD element opening tag.
    \s*<p\salign="center">  # P element opening tag.
    \s*<strong>\s*          # STRONG element opening tag.
    (                       # $1: Contents to be preserved.
    [^<]*                   # {normal*} Zero or more non-"<"
      (?:                   # Unroll the loop. (See MRE3)
        <                   # {special}. Match a "<"
        (?!/?strong\b)      # only if not a STRONG tag
        [^<]*               # More {normal*}
      )*                    # Finish {(special normal*)*}
    )                       # End $1: Contents to be preserved.
    \n\s*</strong>          # STRONG element closing tag.
    \s*</p>                 # P element closing tag.
    \s*</td>                # TD element closing tag.
    %x', 
    '<td colspan="3" class="center bold">\n\t$1\n</td>', $text);

请注意，此正则表达式允许内容包含其他内嵌元素（例如，<img>等，除了之外的任何内容。

根据子属性修改HTML标记

2 个答案: