个人中心
gpt4 book ai didi

php - 在 HTML 中标记文本

转载 作者：可可西里 更新时间：2023-11-01 00:04:13 25 4
gpt4 key购买 nike

我有一些纯文本和 html。我需要创建一个将返回相同 html 的 PHP 方法，但带有 <span class="marked">在任何文本实例和 </span> 之前之后。

请注意，它应该支持 html 中的标签(例如，如果文本是 blabla，那么它应该标记为 bla<b>bla</b> 或 <a href="http://abc.com">bla</a>bla。

它应该区分大小写并支持长文本(多行等)。

例如，如果我用文本“my name is josh”和以下 html 调用此函数:

<html>
<head>
    <title>My Name Is Josh!!!</title>
</head>
<body>
    <h1>my name is <b>josh</b></h1>
    <div>
        <a href="http://www.names.com">my name</a> is josh
    </div>

    <u>my</u> <i>name</i> <b>is</b> <span style="font-family: Tahoma;">Josh</span>.
</body>
</html>

...它应该返回:

<html>
<head>
    <title><span class="marked">My Name Is Josh</span>!!!</title>
</head>
<body>
    <h1><span class="marked">my name is <b>josh</b></span></h1>
    <div>
        <span class="marked"><a href="http://www.names.com">my name</a> is josh</span>
    </div>

    <span class="marked"><u>my</u> <i>name</i> <b>is</b> <span style="font-family: Tahoma;">Josh</span></span>.
</body>
</html>

谢谢。

最佳答案

这会很棘手。

虽然您可以通过简单的正则表达式黑客攻击来做到这一点，但忽略标签内的任何内容，就像天真一样:

preg_replace(
    'My(<[^>]>)*\s+(<[^>]>)*name(<[^>]>)*\s+(<[^>]>)*is(<[^>]>)*\s+(<[^>]>)*Josh',
    '<span class="marked">$0</span>', $html
)

这一点都不可靠。部分原因是 HTML 不能用正则表达式解析:输入 > 是有效的在属性值中，其他非元素构造如注释将被错误解析。即使使用更严格的表达式来匹配标签⟩—⟩像<[^>\s]*(\s+([^>\s]+(\s*=\s*([^"'\s>][\s>]*|"[^"]*"|'[^']*')\s*))?)*\s*\/?>这样非常笨拙的东西，您仍然会遇到许多相同的问题，尤其是在不能保证输入 HTML 有效的情况下。

这甚至可能是一个安全问题，就好像您正在处理的 HTML 不受信任，它可能会欺骗您的解析器将文本内容转换为属性，从而导致脚本注入(inject)。

但即使忽略这一点，您也无法确保正确的元素嵌套。所以你可能会:

<em>My name is <strong>Josh</strong>!!!</em>

进入错误嵌套和无效:

<span class="marked"><em>My name is <strong>Josh</strong></span>!!!</em>

或:

My
<table><tr><td>name is</td></tr></table>
Josh

那些元素不能用 span 包裹的地方。如果你不走运，浏览器修复程序来“纠正”你的无效输出可能最终会留下一半的页面“标记”，或者弄乱页面布局。

因此，您必须在已解析的 DOM 级别上执行此操作，而不是使用字符串破解。您可以使用 PHP 解析整个字符串，处理它并重新序列化，但如果从可访问性的角度来看它是可以接受的，那么在浏览器端用 JavaScript 执行它可能会更容易，因为内容已经被解析为DOM 节点。

还是挺难的。 This question在文本全部位于同一个文本节点内的情况下处理它，但这是一个简单得多的情况。

您实际上必须做的是:

for each Element that may contain a <span>:
    for each child node in the element:
       generate the text content of this node and all following siblings
       match the target string/regex against the whole text
       if there is no match:
           break the outer loop - on to the next element.
       if the current node is an element node and the index of the match is not 0:
           break the inner loop - on to the next sibling node
       if the current node is a text node and the index of the match is > the length of the Text node data:
           break the inner loop - on to the next sibling node
       // now we have to find the position of the end of the match
       n is the length of the match string
       iterate through the remaining text node data and sibling text content:
           compare the length of the text content with n
           less?:
               subtract length from n and continue
           same?:
               we've got a match on a node boundary
               split the first text node if necessary
               insert a new span into the document
               move all the nodes from the first text node to this boundary inside the span
               break to outer loop, next element
           greater?:
               we've got a match ending inside the node.
               is the node a text node?:
                   then we can split the text node
                   also split the first text node if necessary
                   insert a new span into the document
                   move all contained nodes inside the span
                   break to outer loop, next element
               no, an element?:
                   oh dear! We can't insert a span here

哎呀。

如果可以接受单独包装作为匹配一部分的每个文本节点，那么这里有一个稍微不那么讨厌的替代建议。所以:

<p>Oh, my</p> name <div><div>is</div><div> Josh

会给你留下输出:

<p>Oh, <span class="marked">my</span></p>
<span class="marked"> name </span>
<div><div><span class="marked">is</span></div></div>
<span class="marked"> Josh</span>

这可能看起来不错，具体取决于您如何设置火柴的样式。它还可以解决部分匹配元素内部的错误嵌套问题。

ETA:哦，该死的伪代码，我现在或多或少已经写了代码，不妨完成它。这是后一种方法的 JavaScript 版本:

markTextInElement(document.body, /My\s+name\s+is\s+Josh/gi);


function markTextInElement(element, regexp) {
    var nodes= [];
    collectTextNodes(nodes, element);
    var datas= nodes.map(function(node) { return node.data; });
    var text= datas.join('');

    // Get list of [startnodei, startindex, endnodei, endindex] matches
    //
    var matches= [], match;
    while (match= regexp.exec(text)) {
        var p0= getPositionInStrings(datas, match.index, false);
        var p1= getPositionInStrings(datas, match.index+match[0].length, true);
        matches.push([p0[0], p0[1], p1[0], p1[1]]);
    }

    // Get list of nodes for each match, splitted at the edges of the
    // text. Reverse-iterate to avoid the splitting changing nodes we
    // have yet to process.
    //
    for (var i= matches.length; i-->0;) {
        var ni0= matches[i][0], ix0= matches[i][1], ni1= matches[i][2], ix1= matches[i][3];
        var mnodes= nodes.slice(ni0, ni1+1);
        if (ix1<nodes[ni1].length)
            nodes[ni1].splitText(ix1);
        if (ix0>0)
            mnodes[0]= nodes[ni0].splitText(ix0);

        // Replace each text node in the sublist with a wrapped version
        //
        mnodes.forEach(function(node) {
            var span= document.createElement('span');
            span.className= 'marked';
            node.parentNode.replaceChild(span, node);
            span.appendChild(node);
        });
    }
}

function collectTextNodes(texts, element) {
    var textok= [
        'applet', 'col', 'colgroup', 'dl', 'iframe', 'map', 'object', 'ol',
        'optgroup', 'option', 'script', 'select', 'style', 'table',
        'tbody', 'textarea', 'tfoot', 'thead', 'tr', 'ul'
    ].indexOf(element.tagName.toLowerCase()===-1)
    for (var i= 0; i<element.childNodes.length; i++) {
        var child= element.childNodes[i];
        if (child.nodeType===3 && textok)
            texts.push(child);
        if (child.nodeType===1)
            collectTextNodes(texts, child);
    };
}

function getPositionInStrings(strs, index, toend) {
    var ix= 0;
    for (var i= 0; i<strs.length; i++) {
        var n= index-ix, l= strs[i].length;
        if (toend? l>=n : l>n)
            return [i, n];
        ix+= l;
    }
    return [i, 0];
}


// We've used a few ECMAScript Fifth Edition Array features.
// Make them work in browsers that don't support them natively.
//
if (!('indexOf' in Array.prototype)) {
    Array.prototype.indexOf= function(find, i /*opt*/) {
        if (i===undefined) i= 0;
        if (i<0) i+= this.length;
        if (i<0) i= 0;
        for (var n= this.length; i<n; i++)
            if (i in this && this[i]===find)
                return i;
        return -1;
    };
}
if (!('forEach' in Array.prototype)) {
    Array.prototype.forEach= function(action, that /*opt*/) {
        for (var i= 0, n= this.length; i<n; i++)
            if (i in this)
                action.call(that, this[i], i, this);
    };
}
if (!('map' in Array.prototype)) {
    Array.prototype.map= function(mapper, that /*opt*/) {
        var other= new Array(this.length);
        for (var i= 0, n= this.length; i<n; i++)
            if (i in this)
                other[i]= mapper.call(that, this[i], i, this);
        return other;
    };
}

关于php - 在 HTML 中标记文本，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/2843773/

25 4 0
文章推荐： php - 为什么没有参数的 PHP 函数需要括号？
文章推荐： python - 如何使用将服务器链接到在暴露的本地主机上运行的 flask 应用程序
文章推荐： node.js - Safari 中的快速 session 为空
文章推荐： php - 从 PHP 制作 CSV - 回车不起作用
可可西里
个人简介

我是一名优秀的程序员,十分优秀！

滴滴打车优惠券免费领取
滴滴打车优惠券
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com