解析 ODT 文件时带有 XML 标记的变量出错

Question

我正在一个需要处理 ODT 文档的系统中实现 TinyButStrong / OpenTBS，我遇到了一个特定模板的问题，该模板在变量名中包含标签。

情况如下：

模板部分：

content.xml的相关部分

<table:table-cell table:style-name="Table3.A1" office:value-type="string">
  <text:p text:style-name="P22">Tipo de documento</text:p>
  <text:p text:style-name="P29">
    <text:span text:style-name="T7">
     [b.</text:span>tipoDocumento<text:span text:style-name="T7">]
    </text:span>
  </text:p>
</table:table-cell>

如您所见，变量名称为</text:span>tipoDocumento<text:span text:style-name="T7">。该文档是在 LibreOffice 中编辑的，并且由于某种未知原因添加了标签。

我以为我可以传递完整的变量名（包括标签），OpenTBS 会正确解析该值，所以我尝试了以下方法：

$data = ['</text:span>tipoDocumento<text:span text:style-name="T7">' => 'somevalue'];
$tbs = new clsTinyButStrong;
$tbs->Plugin(TBS_INSTALL, OPENTBS_PLUGIN);
$tbs->LoadTemplate($templatePath, OPENTBS_ALREADY_UTF8);
// Note that we need to send an array of arrays to $data,
$tbs->MergeBlock($block, 'array', [$data]);

但这会导致 TBS 错误：

<b>TinyButStrong Error</b> in field [b.</text:span>tipoDocumento<text:span text:style-name...]: item '</text:span>tipoDocumento<text:span text:style-name' is not an existing key in the array. <em>This message can be cancelled using parameter 'noerr'.</em>

我做了一些调试，发现在核心 tbs_class.php 第 1177 行（在 meth_Locator_Replace() 中，这是引发错误的地方），$Loc->SubLst[$i] 的内容是 </text:span>tipoDocumento<text:span text:style-name，这并不'不匹配我的数组中的值。

所以，我假设由于某种原因，TBS 正在通过等号 (=) 爆炸索引，从而导致此问题。所以，

1. 这是故意的吗？
2. 能否修复此问题（以防出现错误）以允许带有等号的标签？
3. 有没有更好的方法来避免变量中的标签，或者在 LibreOffice 中有没有办法避免这种情况？

Answer 1

字符串</text:span>tipoDocumento<text:span text:style-name="T7">不能是TBS中的字段名。这是因为空格、等号、点和分号等是 TBS 字段的特殊字符。

当您更改格式或有拼写信息时，可以将此类内部 XML 内容自动添加到 LibreOffice（甚至 Ms Office）中。

解决方法是在LibreOffice中选中TBS字段，然后剪切，然后粘贴不格式化。那么所有内部 XML 应该都消失了，或者至少它只是限制文本而不剪切它。

Answer 2

@Skrol29的回答是最可靠的解决方案。

但是，我们使用模板的原因之一是让最终用户能够编辑它们，要解释他们为什么需要这样做并不容易，因为 LibreOffice（或Microsoft Office，就此而言）。

所以，我最终在保存模板源之前对其进行了解析，从而从变量中删除了所有 XML 标记。

这是我在上传新模板文件时使用的代码：

// Create a temporary file, only to load it with TBS
// $fileContents is the binary file contents and $extensao is the file extension
$filePath = intranet_storage_path(sha1($fileContents) . '.' . $extensao, 'tmp');
// Store the binary contents in the file path
file_put_contents($filePath, $fileContents);

// Create a new TBS instance and load OpenTBS
$tbs = new clsTinyButStrong;
$tbs->Plugin(TBS_INSTALL, OPENTBS_PLUGIN);

// Load the temporary file
$tbs->LoadTemplate($filePath, OPENTBS_ALREADY_UTF8);

// Find all variables (the only block name is 'b')
preg_match_all(
    "/(\[b\.  # Start by finding a part of [ followed by the block name and a dot
    [^.\];]+  # Now we should get all characters until one of the following is found: `.` (dot), `]`, `;
    [\]|;]    # Stop the regex when a `]` or `;` is found.
    )/ix",
    $tbs->Source,
    $matches
);

// Loop through all the found variables
$searched = $replaced = [];
foreach ($matches[0] as $var) {
    // Fill the $searched and $replaced where $searched is the real variable name 
    // with XML tags (if they exist) and $replaced is the variable without tags
    $searched[] = $var;
    $replaced[] = strip_tags($var);
}

// Replace the contents of the Source
$tbs->Source = str_replace($searched, $replaced, $tbs->Source);

// Store the final template file with variables without XML
$tbs->Show(OPENTBS_FILE, $filePath);

我必须声明，当变量中只有一个打开或关闭标记时，此解决方案将导致无效的 XML。以下示例将破坏 XML（您将无法打开或解析文档）：

<text:span text:style-name="T7">[b.tipoDocumento<text:span text:style-name="T7">]</text:span>
// OR
<text:span text:style-name="T7">[b.</text:span>tipoDocumento]</text:span>

但是，从我拥有的测试用例中，总是有一个开始和结束标记（如问题中所述），因此剥离它们将产生一个有效的 XML。