Câu đố: Chia chuỗi HTML chính xác

Question

Tôi đang cố gắng chia chuỗi HTML bằng mã thông báo để tạo bản xem trước blog mà không hiển thị toàn bộ bài đăng. Đó là một chút khó hơn so với lần đầu tiên tôi nghĩ. Dưới đây là các vấn đề:

• Một người dùng sẽ tạo HTML thông qua trình soạn thảo WYSIWYG (CKEditor). Đánh dấu không được đảm bảo là khá hay nhất quán.
• Mã thông báo, read_more(), có thể được đặt ở bất kỳ đâu trong chuỗi, bao gồm được lồng trong một thẻ đoạn .
• Chuỗi phân tách đầu tiên kết quả cần phải là HTML hợp lệ cho tất cả sử dụng hợp lý mã thông báo.

Các ví dụ về khả năng sử dụng:

<p>Some text here. read_more()</p> 

<p>Some text read more() here.</p> 

<p>read_more()</p> 

<p> read_more()</p> 

read_more() 

Cho đến nay, tôi đã cố gắng chỉ tách chuỗi trên được dấu hiệu, nhưng nó để lại HTML không hợp lệ. Regex có lẽ là một lựa chọn khác. Bạn sẽ sử dụng chiến lược nào để giải quyết vấn đề này và làm cho nó có khả năng chống đạn càng tốt? Bất kỳ đoạn mã hoặc gợi ý nào cũng sẽ được đánh giá cao (tôi đang sử dụng PHP).

Answer 1

function stripmore($in) 
{ 
    list($p1,$p2) = explode("read_more()",$in,2); 

    $pass1 = preg_replace("~>[^<>]+<~","><",$p2); 
    $pass2 = preg_replace("~^[^<>]+~","",$pass1); 

    $pass3 = null; 
    while ($pass3 != $pass2) 
    { 
     if ($pass3 !== null) $pass2 = $pass3; 
     $pass3 = preg_replace("~<([^<>]+)></\\1>~","",$pass2); 
    } 

    return $p1."read_more()".$pass3; 
} 

này dải bất kỳ phi html sau dấu read_more(), và làm giảm nó ở mức tối thiểu bằng cách tách thẻ tương ứng, trong khi vẫn giữ bất kỳ thẻ bắt đầu trước và kết thúc sau dấu:

<p>Some text here. read_more()</p> 
     ==> <p>Some text here. read_more()</p> 

<p>Some <b>text</b> read_more() <b>here</b>.</p> 
     ==> <p>Some <b>text</b> read_more()</p> 

<p>Some <b>text read_more() here</b>.</p> 
     ==> <p>Some <b>text read_more()</b></p> 

Answer 2

Tại sao không sử dụng hai textareas? Một ở trên và dưới cắt? Nên làm rõ với người dùng những gì đang xảy ra và loại bỏ cơn đau đầu cho bạn.

Nếu bạn làm muốn sử dụng mã thông báo, bạn nên chọn thứ gì đó khác biệt hơn một chút. Có thể: <!--full body cut--> mà bạn có thể chắc chắn hơn không thực sự là nội dung bị nhầm lẫn với mã thông báo.

Nhưng dù sao, nếu bạn muốn chia chuỗi trên được dấu hiệu, bạn chỉ cần tìm ra nơi thẻ là bạn sử dụng strpos() và sau đó sử dụng substr() để cắt bỏ phần đầu tiên. Một cái gì đó như:

$intro = substr($text, 0, strpos($string, $token)); 

Sau đó, chạy bạn $intro qua tidy (PHP mở rộng) để clean up the syntax và sau đó lột crap thêm nó cho biết thêm trong đó. (Tôi nghĩ rằng bạn có thể str_replace() các tính năng bổ sung có một chuỗi trống.)

Answer 3

Tùy chọn đúng duy nhất tôi hiện đang xem là viết trình phân tích ngữ pháp HTML ngữ cảnh miễn phí của bạn bằng PHP cho phép bạn đóng các thẻ thích hợp (chỉ đơn giản bằng cách popping ngăn xếp khi đạt đến đọc thêm() và cho mỗi pop thêm một thẻ đóng).

Đây là, tuy nhiên, rất nhiều công việc và điều này có thể làm việc tốt cho bạn:

$stripped = strip_tags($input); 
list($preview) = explode("read more()", $stripped); 

Bạn mất đánh dấu HTML nhưng nó chết dễ dàng để thực hiện.Và không thể XSS trên trang chủ của bạn :)

Answer 4

Thay vì sử dụng HTML đầy đủ, tại sao không sử dụng một trong nhiều ngôn ngữ đánh dấu có thể tạo HTML, nhưng không yêu cầu bạn đóng thẻ, v.v. dễ đào tạo người dùng của bạn hơn và tránh tất cả các khả năng tấn công XSS chấp nhận HTML thô cho phép.

PHP Markdown có vẻ phù hợp, đặc biệt là với mong muốn của bạn để tránh GNU GPL.

Answer 5

Để trả lời nhận xét cho nhận xét của tôi, tôi quyết định trả lời nhận xét, vì vậy tôi có thể tận dụng các tùy chọn đánh dấu.

Tại sao bạn không thể sử dụng trim() trên chuỗi kết quả, tìm phần tử mở hoặc đóng còn thiếu và nối thêm một cách thích hợp, để làm cho HTML hợp lệ?

Chỉ cần di chuyển về phía trước và quay lại để tìm phần tử mở/đóng tiếp theo và sửa HTML của bạn.

Vì vậy, bạn có thể chỉ cần đi tiếp và quay lại chuỗi để có được < và > tiếp theo và nếu đó là phần tử HTML thì dừng ở đó, nếu không tiếp tục.

Lý tưởng nhất là bạn cần phải xử lý yêu cầu này một lần cho mỗi lần gửi, vì vậy bạn tiếp tục thanh toán giá để thực hiện thao tác này.

UPDATE:

tôi quên bao gồm một liên kết để giúp đỡ với strpos:

http://tuxradar.com/practicalphp/4/7/5

Answer 6

PHP gọn gàng là một trọng lượng rất nhẹ và tiện ích hiệu quả để sửa chữa thẻ không hợp lệ. Có một cái nhìn, tôi đã sử dụng nó và điểm chuẩn nó trong ứng dụng của tôi, và nó hoạt động tuyệt vời. Moreoever nó có nhiều tùy chọn cấu hình cho phù hợp với nhu cầu của bạn là tốt nhất, và chăm sóc của các vấn đề khác có thể giống như mã hóa, thẻ không hợp lệ lồng, vv

xem tham khảo: http://www.php.net/manual/en/tidy.cleanrepair.php

ví dụ sử dụng:

<?php 

    function tidyString($str) 
    { 
     $config = array('show-body-only' => true); /* else it adds HTML tags too */ 
     tidy_set_encoding('utf8'); 
     $outStr = tidy_repair_string($str,$config); 
     return $outStr; 
    } 


    $inStr = "<span> this is my incorrect html</spa"; 
    echo tidyString($inStr); // Output : <span>this is my incorrect html</span> 

    ?>