使用 PHP 的 DomDocument appendChild 时保持换行符答案

【问题标题】：Keeping line breaks when using PHP's DomDocument appendChild使用 PHP 的 DomDocument appendChild 时保持换行符
【发布时间】：2011-10-20 16:11:11
【问题描述】：

我正在尝试使用 PHP 中的 DOMDocument 来添加/解析 HTML 文档中的内容。据我所知，将 formOutput 设置为 true 并将 preserveWhiteSpace 设置为 false 应该使制表符和换行符保持有序，但它似乎不适用于新创建或附加的节点。

代码如下：

$dom = new \DOMDocument;
$dom->formatOutput = true;
$dom->preserveWhiteSpace = false;
$dom->loadHTMLFile($htmlsource);
$tables = $dom->getElementsByTagName('table');
foreach($tables as $table)
{
    $table->setAttribute('class', 'tborder');
    $div = $dom->createElement('div');
    $div->setAttribute('class', 'm2x');
    $table->parentNode->insertBefore($div, $table);
    $div->appendChild($table);
}
$dom->saveHTMLFile($html)

HTML 如下所示：

<table>
    <tr>
        <td></td>
    </tr>
</table>

这就是我想要的：

<div class="m2x">
    <table class="tborder">
        <tr>
            <td></td>
        </tr>
    </table>
</div>

这是我得到的：

<div class="m2x"><table class="tborder"><tr>
<td></td>
        </tr></table></div>

我做错了什么吗？我试过用谷歌搜索尽可能多的不同方式，但没有运气。

【问题讨论】：

标签： php domdocument

【解决方案1】：

不幸的是，您可能需要编写一个函数来按您想要的方式缩进输出。我做了一个小功能，您可能会觉得有帮助。

function indentContent($content, $tab="\t")
{               

        // add marker linefeeds to aid the pretty-tokeniser (adds a linefeed between all tag-end boundaries)
        $content = preg_replace('/(>)(<)(\/*)/', "$1\n$2$3", $content);

        // now indent the tags
        $token = strtok($content, "\n");
        $result = ''; // holds formatted version as it is built
        $pad = 0; // initial indent
        $matches = array(); // returns from preg_matches()

        // scan each line and adjust indent based on opening/closing tags
        while ($token !== false) 
        {
                $token = trim($token);
                // test for the various tag states

                // 1. open and closing tags on same line - no change
                if (preg_match('/.+<\/\w[^>]*>$/', $token, $matches)) $indent=0;
                // 2. closing tag - outdent now
                elseif (preg_match('/^<\/\w/', $token, $matches))
                {
                        $pad--;
                        if($indent>0) $indent=0;
                }
                // 3. opening tag - don't pad this one, only subsequent tags
                elseif (preg_match('/^<\w[^>]*[^\/]>.*$/', $token, $matches)) $indent=1;
                // 4. no indentation needed
                else $indent = 0;

                // pad the line with the required number of leading spaces
                $line = str_pad($token, strlen($token)+$pad, $tab, STR_PAD_LEFT);
                $result .= $line."\n"; // add to the cumulative result, with linefeed
                $token = strtok("\n"); // get the next token
                $pad += $indent; // update the pad size for subsequent lines    
        }       

        return $result;
}

indentContent($dom->saveHTML()) 将返回：

<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.0 Transitional//EN" "http://www.w3.org/TR/REC-html40/loose.dtd">
<html>
    <body>
        <div class="m2x">
            <table class="tborder">
                <tr>
                    <td>
                    </td>
                </tr>
            </table>
        </div>
    </body>
</html>

我以this one 开头创建了这个函数。

【讨论】：

很棒的功能！但不幸的是，它在使用 void 元素时缩进了太多空格。
我试过这个html，但它不起作用：<table> <tr> <td></td> </tr> </table>

【解决方案2】：

我修改了 ghbarratt 写的很棒的函数，所以它不会缩进 void elements。

function indentContent($content, $tab="\t")
{
    // add marker linefeeds to aid the pretty-tokeniser (adds a linefeed between all tag-end boundaries)
    $content = preg_replace('/(>)(<)(\/*)/', "$1\n$2$3", $content);

    // now indent the tags
    $token = strtok($content, "\n");
    $result = ''; // holds formatted version as it is built
    $pad = 0; // initial indent
    $matches = array(); // returns from preg_matches()

    // scan each line and adjust indent based on opening/closing tags
    while ($token !== false) 
    {
        $token = trim($token);
        // test for the various tag states

        // 1. open and closing tags on same line - no change
        if (preg_match('/.+<\/\w[^>]*>$/', $token, $matches)) $indent=0;
        // 2. closing tag - outdent now
        elseif (preg_match('/^<\/\w/', $token, $matches))
        {
            $pad--;
            if($indent>0) $indent=0;
        }
        // 3. opening tag - don't pad this one, only subsequent tags (only if it isn't a void tag)
        elseif (preg_match('/^<\w[^>]*[^\/]>.*$/', $token, $matches))
        {
            $voidTag = false;
            foreach ($matches as $m)
            {
                // Void elements according to http://www.htmlandcsswebdesign.com/articles/voidel.php
                if (preg_match('/^<(area|base|br|col|command|embed|hr|img|input|keygen|link|meta|param|source|track|wbr)/im', $m))
                {
                    $voidTag = true;
                    break;
                }
            }

            if (!$voidTag) $indent=1;
        }
        // 4. no indentation needed
        else $indent = 0;

        // pad the line with the required number of leading spaces
        $line = str_pad($token, strlen($token)+$pad, $tab, STR_PAD_LEFT);
        $result .= $line."\n"; // add to the cumulative result, with linefeed
        $token = strtok("\n"); // get the next token
        $pad += $indent; // update the pad size for subsequent lines    
    }    

    return $result;
}

所有学分都归 ghbarratt。

【讨论】：

+1 让它变得更好的方法。而且我几乎不值得称赞，因为我大部分时间都是从recursive-design.com/blog/2007/04/05/format-xml-with-php

【解决方案3】：

@Stan 和@ghbarrat 都不适合<!DOCTYPE html> html5 声明。它有点将缩进传递给<head> 元素。

预期：

<!DOCTYPE html>
<html>
  <head>
    <meta charset="UTF-8">
  </head>
  <body>
    <!-- all good -->
  </body>
</html>

结果：

<!DOCTYPE html>
<html>
  <head>
    <meta charset="UTF-8">
    </head>
    <body>
      <!-- all good -->
    </body>
  </html>

一点点测试，当我将 <html> 元素添加到 Void 元素列表时，显示了部分修复，但这并不能解决头部的问题，它还会使子项（即头部和身体）变平。

编辑#1 看来<meta charset="UTF-8">毕竟对不正确的缩进负责。

编辑 #2 - 解决方案

经过少许故障排除后，我发现<meta> 作为自闭合标签会影响下一个闭合标签，这可以通过添加标志来解决。该标志定义了我们是否找到了自结束标记，那么结束标记的下一个实例将有一个额外的负缩进。

function indentContent($content, $tab="\t"){
    // add marker linefeeds to aid the pretty-tokeniser (adds a linefeed between all tag-end boundaries)
    $content = preg_replace('/(>)(<)(\/*)/', "$1\n$2$3", $content);

    // now indent the tags
    $token = strtok($content, "\n");
    $result = ''; // holds formatted version as it is built
    $pad = 0; // initial indent
    $matches = array(); // returns from preg_matches()

    // scan each line and adjust indent based on opening/closing tags
    while ($token !== false && strlen($token)>0)
    {
        $token = trim($token);
        // test for the various tag states

        // 1. open and closing tags on same line - no change
        if (preg_match('/.+<\/\w[^>]*>$/', $token, $matches)) $indent=0;
        // 2. closing tag - outdent now
        elseif (preg_match('/^<\/\w/', $token, $matches))
        {
            $pad--;
            if($indent>0) $indent=0;
            if($nextTagNegative){
                $pad--;$nextTagNegative=false;
            }
        }
        // 3. opening tag - don't pad this one, only subsequent tags (only if it isn't a void tag)
        elseif (preg_match('/^<\w[^>]*[^\/]>.*$/', $token, $matches))
        {
            $voidTag = false;
            foreach ($matches as $m)
            {
                // Void elements according to http://www.htmlandcsswebdesign.com/articles/voidel.php
                if (preg_match('/^<(area|base|br|col|command|embed|hr|img|input|keygen|link|meta|param|source|track|wbr)/im', $m))
                {
                    $voidTag = true;
                    break;
                }
            }

            if (!$voidTag) $indent=1;$nextTagNegative=true;
        }
        // 4. no indentation needed
        else $indent = 0;

        // pad the line with the required number of leading spaces
        $line = str_pad($token, strlen($token)+$pad, $tab, STR_PAD_LEFT);
        $result .= $line."\n"; // add to the cumulative result, with linefeed
        $token = strtok("\n"); // get the next token
        $pad += $indent; // update the pad size for subsequent lines
    }

    return $result;
}

【讨论】：

我的解决方案存在 LI 标签问题。还没找到解决办法。