有没有更好的方法然后使用Lynx在PHP中可靠地将HTML转换为Plaintext

Question

我想将带有基于表格的布局的HTML文件转换为纯文本，以便通过PHP发送多部分电子邮件。

我已经尝试了一些我在SO上找到的不同的预构建类/函数，但是它们中没有一个看起来产生了不错的结果，我认为这取决于基于表格的布局。

我不想滚动我自己的类来剥离HTML并格式化结果，因为我确信存在边缘问题，我不会考虑或能够测试，直到我在生产中遇到它们。

到目前为止，我提出的最佳解决方案是：

1. 创建临时HTML文件
2. 使用类似shell_exec（“/ path / to / lynx -dump temporary.html”）;创建电子邮件的纯文本版本
3. 使用一些正则表达式来删除任何剩余的不需要的标记

这很好用，但我有点担心它不是获得体面的多部分电子邮件的最佳方式。有人知道更好的方法吗？

为了澄清，我已经尝试了以下但没有成功：

• html2text class - http://www.chuggnutt.com/html2text.php
• Markdownify - http://milianw.de/projects/markdownify/
• html2text第2版 - http://www.howtocreate.co.uk/php/html2texthowto.html
• http://journals.jevon.org/users/jevon-phd/entry/19818

Answer 1

Lynx不是我真正相信的最佳解决方案:)此外，我自己使用了html2text并且它工作得很好而且比lynx更好..无论如何，如果你更喜欢regexing，它会比使用它更加沉重。系统shell（shell_exec，system，exec，popen），因为你需要preg_replace所有不必要的标签，并且在php正则表达式是致命的慢。所以我想如果它在Linux机器上，最好传递给html2text ..

Answer 2

PHP DomDocument应该可以帮到你。 您可以遍历DOM树并根据需要删除相关内容。

http://php.net/manual/en/class.domdocument.php

关于SO的相关问题：

Parse HTML with PHP's HTML DOMDocument