我試圖確定某些單詞在 html 塊中的絕對位置，但前提是它們在實際的 html 標記之外。例如，如果我想在本文中使用 preg_match 確定單詞“join”的位置：<p>There are 14 more days until our <a href="/somepage.html" target="_blank" rel="noreferrer noopener" aria-label="join us">holiday special</a> so come join us!</p>我可以使用：preg_match('/join/', $post_content, $matches, PREG_OFFSET_CAPTURE, $offset);問題是這是在匹配 aria-label 屬性中的詞，而我需要的是緊接在鏈接之后的詞。可以在<a>和之間進行匹配</a>，只是不在括號內。我的實際最終目標是（我認為）除了最后一個元素之外的大部分內容：我正在修剪一個 html 塊（不是完整的文檔）以在特定的字數處截斷。我試圖確定最后一個單詞以哪個字符結尾，然后將 html 塊的左側與右側的 html 連接起來，因此所有 html 標簽都可以優雅地關閉。我以為我讓它工作了，直到我遇到一個例子，比如我展示了最后一個詞也在 html 屬性中，導致我在錯誤的位置拆分字符串。到目前為止，這是我的代碼：$post_content = strip_tags ( $p->post_content, "<a><br><p><ul><li>" );$post_content_stripped = strip_tags ( $p->post_content );$post_content_stripped = preg_replace("/[^A-Za-z0-9 ]/", ' ', $post_content_stripped);$post_content_stripped = preg_replace("/\s+/", ' ', $post_content_stripped);$post_content_stripped_array = explode ( " " , trim($post_content_stripped) );$excerpt_wordcount = count( $post_content_stripped_array );$cutpos = 0;while($excerpt_wordcount>48){ $thiswordrev = "/" . strrev($post_content_stripped_array[$excerpt_wordcount - 1]) . "/"; preg_match($thiswordrev, strrev($post_content), $matches, PREG_OFFSET_CAPTURE, $cutpos); $cutpos = $matches[0][1] + (strlen($thiswordrev) - 2); array_pop($post_content_stripped_array); $excerpt_wordcount = count( $post_content_stripped_array );}if($pwordcount>$excerpt_wordcount){ preg_match_all('/<\/?[^>]*>/', substr( $post_content, strlen($post_content) - $cutpos ), $closetags_result); $excerpt_closetags = "" . $closetags_result[0][0]; $post_excerpt = substr( $post_content, 0, strlen($post_content) - $cutpos ) . $excerpt_closetags;}else{ $post_excerpt = $post_content;}但是在執行 preg_match 之前翻轉所有括號很容易，或者我假設應該很容易讓 preg_match 考慮到這一點。
2 回答
慕容3067478
TA貢獻1773條經驗 獲得超3個贊
不要使用正則表達式來解析 HTML。
您有一個簡單的目標：將文本內容限制為給定的字數，確保 HTML 保持有效。
為此，我建議循環遍歷文本節點，直到您計算出一定數量的單詞，然后刪除之后的所有內容。
$dom = new DOMDocument();
$dom->loadHTML($post_content);
$xpath = new DOMXPath($dom);
$all_text_nodes = $xpath->query("//text()");
$words_left = 48;
foreach( $all_text_nodes as $text_node) {
$text = $text_node->textContent;
$words = explode(" ", $text); // TODO: maybe preg_split on /\s/ to support more whitespace types
$word_count = count($words);
if( $word_count < $words_left) {
$words_left -= $word_count;
continue;
}
// reached the threshold
$words_that_fit = implode(" ", array_slice($words, 0, $words_left));
// If the above TODO is implemented, this will need to be adjusted to keep the specific whitespace characters
$text_node->textContent = $words_that_fit;
$remove_after = $text_node;
while( $remove_after->parentNode) {
while( $remove_after->nextSibling) {
$remove_after->parentNode->removeChild($remove_after->nextSibling);
}
$remove_after = $remove_after->parentNode;
}
break;
}
$output = substr($dom->saveHTML($dom->getElementsByTagName("body")->item(0)), strlen("<body>"), -strlen("</body>"));
喵喵時光機
TA貢獻1846條經驗 獲得超7個贊
好的，我想出了一個解決方法。我不知道這是否是最優雅的解決方案，所以如果有人看到更好的解決方案，我仍然很想聽聽，但現在我意識到我不必在我正在搜索的字符串中實際包含 html確定切割的位置，我只需要它是相同的長度。我抓取了所有的 html 元素，并創建了一個虛擬字符串，用相同數量的星號替換了所有元素：
// create faux string with placeholders instead of html for search purposes
preg_match_all('/<\/?[^>]*>/', $post_content, $alltags_result);
$tagcount = count( $alltags_result );
$post_content_dummy = $post_content;
foreach($alltags_result[0] as $thistag){
$post_content_dummy = str_replace($thistag, str_repeat("*",strlen($thistag)), $post_content_dummy);
}
然后我只是$post_content_dummy在 while 循環中使用而不是$post_content，以便找到切割位置，然后$post_content進行實際切割。到目前為止似乎工作正常。
- 2 回答
- 0 關注
- 170 瀏覽
添加回答
舉報
0/150
提交
取消