我需要一个能够处理无效HTML代码的PHP HTML SAX（而非DOM）解析器。我需要它来过滤用户输入的HTML（删除除允许标签和属性之外的所有标签和属性），并将HTML内容截断到指定长度。
有什么好的建议吗？
有什么好的建议吗？
PHP SAX解析器用于HTML？
3
- Daniel
3
你好，我目前也在寻找这样的工具。不知道你是否仍在使用HTML SAX解析器，或者已经找到了其他替代方案？ - aurora
Tidy是处理“无效HTML代码”的独特“通用解决方案”，而PHP具有内置良好的SAX（！）请参见我的下面的答案。 - Peter Krauss
请参考类似问题：https://dev59.com/vXDXa4cB1Zd3GeqP9zzt - Peter Krauss
4个回答
4
SAX被设计用来处理有效的XML并在无效的标记上失败。处理无效的HTML标记需要保持比SAX解析器通常保持更多的状态。
我不知道是否有类似于SAX的HTML解析器。你最好先使用Tidy对HTML进行清理，然后再使用XML解析器，但这可能会挫败你一开始使用SAX解析器的目的。
- Artefacto
6
即使整理过的 HTML 片段也不会有效。它们是这样的：
some comment with <b>bold text</b>, <i>italic text</i>.对于任何 XML 解析器来说，这都是无效的文档。它没有根元素，但我不想用某个根元素包装内容。 - Daniel@Daniel，你为什么需要一个事件处理程序呢？如果HTML片段很短，我看不出有什么强制性的理由。 - Artefacto
@Daniel 抱歉，我指的是像SAX这样的事件驱动API。 - Artefacto
哦，我已经使用SAX解析器实现了代码，它非常高效和简单，但它的问题在于SAX解析器本身。它使用正则表达式来解析HTML :( - Daniel
@Daniel 使用正则表达式进行HTML解析 => 出现问题 - Artefacto
同意。这就是为什么我正在寻找更好的东西。 - Daniel
1
尝试使用 HTML SAX 解析器。
- Murad X
2
我尝试过使用它，但由于它基于正则表达式，无法处理嵌入的JS或复杂的样式。 - Daniel
我用它来解决你正在尝试解决的问题。我过滤用户生成的内容，剪切JavaScript、标签和属性。 - Murad X
1
总的来说，包含两个步骤：
- 使用 Tidy 将“自由HTML”转换为“好的XHTML”。
- 使用 XML解析器 通过 SAX API 将XHTML作为XML解析。
使用首先Tidy(!)将"自由HTML"转换为XHTML(或者当您不能信任您的"所谓XHTML"时)。请参见cleanRepair方法。它需要更多时间，但可以处理大文件(!)...如果太大，请设置几分钟作为最大执行时间。
另一种选项(用于处理大文件)是在检查或转换为XHTML后缓存您的XHTML文件。请参见Tidy的repairfile方法。
对于一个"可信的XHTML",使用SAX...如何在PHP中使用SAX?
使用SAX标准API解析XML，在PHP中由LibXML实现（请参见xmlsoft.org的LibXML2），其接口是PHP的XML解析器，接近于SAX标准API。使用另一种方式使用“LibXML2的SAX”，使用另一个接口（PHP迭代器而不是传统的SAX接口），是使用XMLReader。请参阅有关“XMLReader使用SAX”的说明。
是的，术语"SAX"或"SAX API"在PHP手册中没有明确表达。请参见这篇旧但好的介绍。
- Peter Krauss
网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接