PHP return XML 将值添加到属性缺失值的字符串

Question

我必须从电子邮件中解析 HTML 和“HTML”。我已经设法创建了一个函数来清除大部分错误，例如元素嵌套不当。

我正在尝试确定如何最好地解决 HTML 属性缺失值的问题。我们必须最终将所有内容解析为XML，因此格式良好的HTML也是必须的。

清洁功能启动起来很简单：

$xml = explode('<', $xml);

我们快速确定元素的开始和结束标签。

然而一旦我们得到属性，事情很快就会变得非常混乱：

缺失值。
人们使用单引号而不是双引号。
属性值可以包含单引号。

这是我们必须解析的 HTML 字符串的示例（p 元素）：

$s = 'p obnoxious nonprofessional style=\'wrong: lulz-immature\' dunno>Some paragraph text';

我们不关心那些属性是什么；我们的目标只是修复 XML，使其格式正确，如以下字符串所示：

$s = 'p obnoxious="true" nonprofessional="true" style="wrong: lulz-immature" dunno="true">Some paragraph text';

我们对 attribute="attribute" 不感兴趣，因为那只是额外的工作（大多数电子邮件都是无聊的）所以我们只是想为每个缺少值的属性附加 ="true" [=40] =]只是以防止客户端浏览器上的 XML 解析器对其他地方没有完成工作的人的琐碎问题进行故障处理。

正如我之前提到的，我们只需要修复缺少值的属性，我们需要 return 一个字符串。此时 格式错误 XML 的所有其他问题都已解决 。我不确定我应该从哪里开始，因为这个话题太乱了。所以...

我们愿意将整个 XML 字符串作为一个整体进行解析，然后 return 作为一个字符串返回 ，其中包含一些内置的内容图书馆。如果此选项假定 XML 格式正确且具有适当的 XML 声明 (<?xml version="1.0" encoding="UTF-8"?>)。
我们愿意手动创建一个函数来解决我们遇到的任何问题，尽管我们对构建验证器并不感兴趣，因为我们在 1997 年收到了尖叫声“HTML”。
我们正在使用 XML 作为单个字符串或数组（您的选择）；我们明确地不处理文件。

我们如何通过合理的努力确保 XML 字符串（部分或全部）被 return 编辑为字符串 并具有所有值属性?

Answer 1

DOM extension可能会解决您的问题：

$doc = new DOMDocument('1.0');
$doc->loadHTML('<p obnoxious nonprofessional style=\'wrong: lulz-immature\' dunno>Some paragraph text');

echo $doc->saveXML();

以上代码将产生以下输出：

<?xml version="1.0" standalone="yes"?>
<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.0 Transitional//EN" "http://www.w3.org/TR/REC-html40/loose.dtd">
<html><body><p obnoxious="" nonprofessional="" style="wrong: lulz-immature" dunno="">Some paragraph text</p></body></html>

如果需要，您可以将每个 ="" 替换为 ="true"，但输出已经是有效的 XML。

PHP return XML 将值添加到属性缺失值的字符串

PHP return XML string with values added to attributes missing values

php

xml

html-parsing

xml-parsing