Witaj Gościu! ( Zaloguj | Rejestruj )

Forum PHP.pl

> [PHP][XML] Parsowanie niedoskonałego dokumentu
wNogachSpisz
post
Post #1





Grupa: Zarejestrowani
Postów: 1 233
Pomógł: 87
Dołączył: 6.03.2009

Ostrzeżenie: (40%)
XX---

Witam, mam taki oto kod HTML:

[HTML] pobierz, plaintext 
  1. <html>
  2. <body>
  3. <p>
  4.    <div><input type="text"></div>
  5. </p>
  6. <p>
  7.    <div></div>
  8. </p>
  9. </body>
  10. </html>
[HTML] pobierz, plaintext


Szukam sposobu aby swobodnie przezeń traversować. Niestety, kod nie jest prawidłowym XMLelem ani HTMLem. Po pierwsze w paragrafach nie mogą znajdować się elementy blokowe i dom:document podczas ładowania dokumentu wyrzuca DIV'y na koniec BODY, w efekcie obiekt DOM jest inny niż mogłoby wynikać z kodu HTML i staje się praktycznie bezużyteczny. Natomiast SimpleXML informuje że element input jest nieprawidłowo zakończony, oczywiście ma racje.

Jak zatem ugryść taki dokument?

Z góry dzięki za pomoc.

Ten post edytował wNogachSpisz 12.02.2012, 12:40:57
Go to the top of the page
+Quote Post
 
 Start new topic
Odpowiedzi
Methestel
post
Post #2





Grupa: Zarejestrowani
Postów: 46
Pomógł: 10
Dołączył: 30.06.2008

Ostrzeżenie: (0%)
-----

Jak na moje oko to przedewszystkim musisz dojść do postaci XML-a. Jak już będziesz miał XML-a to już będzie z górki. Będziesz mógł przestawiac/wywalać/dodawać elementy jak tylko będziesz chciał.

Swego czasu napisałem klasę do naprawiania zepsutych XML-i. XML-e które otrzymywałem były urwane (czyli najczęściej tagi nie były podomykane). Rozwiązałem ten problem w taki oto sposób:

[PHP] pobierz, plaintext 
  1. class MalformedXML {
  2. 	private static $tags = array();
  3.  
  4. 	private static function tagText($parser, $str) {
  5. 		echo $str;
  6. 	}
  7.  
  8. 	private static function tagStart($parser, $tagName, $attr) {
  9. 		array_push(self::$tags, $tagName);
  10. 		$t = '<'.$tagName;
  11. 		foreach($attr as $key => $value) {
  12. 			$t .= ' '.$key.'="'.$value.'"';
  13. 		}
  14. 		echo $t.'>';
  15. 	}
  16.  
  17. 	private static function tagEnd($parser, $tagName) {
  18. 		echo '</'.$tagName.'>';
  19. 		array_pop(self::$tags);
  20. 	}
  21.  
  22. 	public static function fix (&$xml) {
  23. 		$xml = str_replace("\n", '', $xml);
  24. 		$xml = str_replace("\r", '', $xml);
  25. 		//Jeśli ostatni znacznik został urwany w połowie to go usuwamy
  26. 		$xml = preg_replace('/^(.*)<[^>]*$/s', '$1', $xml);
  27. 		//Wywalamy wszystkie pojedyńcze znaczniki z początku dokumentu
  28. 		$xml = preg_replace('/^(<[^>]*\/>)*(.*)$/s', '$2', $xml);
  29. 		$xml = trim($xml);
  30. 		$xml = str_replace('&', '&amp;', $xml);
  31. 		$parser = xml_parser_create();
  32. 		xml_parser_set_option($parser, XML_OPTION_CASE_FOLDING, false);
  33. 		xml_set_character_data_handler($parser, array('MalformedXML', 'tagText'));
  34. 		xml_set_element_handler($parser, array('MalformedXML', 'tagStart'), array('MalformedXML', 'tagEnd'));
  35.  
  36. 		ob_start();
  37. 		xml_parse($parser, "<root>$xml</root>");
  38.  
  39. 		//Domykamy niedomknięte tagi
  40. 		while(!empty(self::$tags)) {
  41. 			echo '</'.array_pop(self::$tags).'>';
  42. 		}
  43.  
  44. 		$doc = new DOMDocument('1.0', 'utf-8');
  45. 		$doc->loadXML(ob_get_contents());
  46. 		ob_end_clean();
  47.  
  48. 		if ($doc->documentElement == null) {
  49. 			throw new Exception("Nie udalo się naprawić");
  50. 		}
  51. 		$xml = $doc->saveXML($doc->documentElement);
  52. 		$xml = str_replace('</root>', '', $xml);
  53. 		$xml = str_replace('<root>', '', $xml);
  54. 		return $xml;
  55. 	}
  56. }
  57.  
  58. $str = '<html>
  59. <body>
  60. <p>
  61. <div><input type="text"></div>
  62. </p>
  63. <p>
  64. <div></div>
  65. </p>
  66. </body>
  67. </html>';
  68.  
  69. echo MalformedXML::fix($str);
  70. //Wynik: <html><body><p><div><input type="text"/></div></p></body></html>
[PHP] pobierz, plaintext


Klasa ta nie jest dokładnie przetestowana, prawdopodobnie będziesz musiał ją dostosować do swoich potrzeb.
Go to the top of the page
+Quote Post

Posty w temacie
- wNogachSpisz   [PHP][XML] Parsowanie niedoskonałego dokumentu   12.02.2012, 12:38:03
- - szagi3891   Spróbuj tego : http://php.net/manual/en/domdocumen...   13.02.2012, 00:32:47
- - wNogachSpisz   Cytat(szagi3891 @ 13.02.2012, 00:32:4...   13.02.2012, 01:12:29
- - viking   Możesz przepuścić zawsze przez html tidy. A input ...   13.02.2012, 06:53:26
- - wNogachSpisz   Cytat(viking @ 13.02.2012, 06:53:26 )...   13.02.2012, 10:45:48
- - Methestel   Jak na moje oko to przedewszystkim musisz dojść do...   13.02.2012, 12:39:41

« Następny starszy · PHP · Następny nowszy »
 

Reply to this topicStart new topic
2 Użytkowników czyta ten temat (2 Gości i 0 Anonimowych użytkowników)
0 Zarejestrowanych:

 

Tryb wyświetlania: Przełącz na: Standardowy · Przełącz na: Linearny+ · Drzewo

Śledź ten temat · Wyślij temat na e-mail · Wydrukuj ten temat · Subskrybuj to forum

RSS Aktualny czas: 29.09.2025 - 22:54
Powered By IP.Board © 2025  IPS, Inc.
All changes by PHP.pl Administrators
Hosting zapewnia NQ.pl hosting, trac, svn