将缺少的 标签添加到 HTML 中的文本而忽略其他标签的最佳方法？答案

【问题标题】：Best way to add missing tags to text in HTML while disregarding other tags?将缺少的 标签添加到 HTML 中的文本而忽略其他标签的最佳方法？
【发布时间】：2009-12-12 21:34:39
【问题描述】：

我目前正在编写一个函数来解析一些 HTML 并在必要时添加标签。基本上我有一段这样的 HTML：

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Suspendisse feugiat, nunc at vestibulum egestas.

<script type="c">
    #include &lt;stdio.h&gt; 
    #define debug(var) printf(#var &quot; = %d\n&quot;, var)
    int main(void)
    {
        int x = 12;
        debug(x)
        return 0;
    }
</script>

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Suspendisse feugiat, nunc at vestibulum egestas.

<h3>Test Heading</h3>
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Cras ultricies luctus metus ut cursus.

<ol>
    <li>One</li>
    <li>Two</li>
    <li>Three</li>
</ol>

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Cras ultricies luctus metus ut cursus.

如果您注意到段落周围没有 标签。我想解析这个 HTML 并将正确的标签添加到不同的文本段落中。此外，无论使用什么解析器，它都不能触及任何其他有效的 HTML。例如，标题和列表不应更改。

我已经使用 PHP 编写了一个解决方案，虽然它可以工作，但它并不快或看起来很漂亮。

实现这一目标的最佳方法是什么？
有没有一个不错的基于 PHP 或 Javascript 的解析器我可以用来做这个？

我需要将 HTML 分解为元素，添加标签并将组装好的 HTML 写回页面（？）

【问题讨论】：

我想这会很容易使用 XML（或 DOM）解析器 - 尽管我很高兴得到答案......

标签： php javascript html parsing

【解决方案1】：

我的建议是使用HTML Tidy 而不是自己破解它。

$output = tidy_repair_string($input);

有关选项列表，请参阅HTML Tidy Configuration Options。对于您需要的默认行为可能没问题。

【讨论】：

【解决方案2】：

当然有 http://simplehtmldom.sourceforge.net/

// 从字符串创建 DOM

$html = str_get_html('Lorem ipsum dolor sit amet, consectetur adipiscing elit. Suspendisse feugiat, nunc at vestibulum egestas.

<h3>Test Heading</h3>
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Cras ultricies luctus metus ut cursus.

<ol>
    <li>One</li>
    <li>Two</li>
    <li>Three</li>
</ol>

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Cras ultricies luctus metus ut cursus.
');

$es = $html->find('text');


echo $es; // Output: Lorem ipsum dolor sit amet, consectetur adipiscing elit. Cras ultricies luctus metus ut cursus.

现在你必须用那个文本做点什么；像这样echo "$es"; 现在您的文字位于 标记中

【讨论】：

这不是一个坏主意，但在 find 方法中使用 'text' 元素也会从 script 标签内返回代码。您无法从返回的代码中获取标签名称。我需要区分每个元素，以便仅将 p 标签应用于纯文本。