使用 preg_replace 更新 src 值

Question

我有一些像这样的<img>标签：

<img alt="" src="{assets_8170:{filedir_14}test.png}" style="width: 700px; height: 181px;" />
<img src="{filedir_14}test.png" alt="" />

我需要更新 src 值，提取文件名并将其添加到 WordPress 简码中：

<img src="[my-shortcode file='test.png']" ... />

提取文件名的正则表达式是这个： [a-zA-Z_0-9-()]+\.[a-zA-Z]{2,4} ，但考虑到我无法创建完整的正则表达式图像标记属性在所有实例中都不遵循相同的顺序。

Answer 1

PHP - 解析 html 内容，进行转换并返回结果 html

答案在其试图解决问题的生命周期中变得越来越大。

进行了几次尝试，但最近一次尝试 (loadXML/saveXML) 成功了。

DOMDocument - loadHTML 和 saveHTML

如果您需要解析 php 中的 html 字符串，以便稍后可以在不破坏编码的情况下以结构化和安全的方式获取和修改其内容，您可以使用DOMDocument::loadHTML() ：

https://www.php.net/manual/en/domdocument.loadhtml.php

在这里，我展示了如何解析您的 html 字符串，获取它的所有<img>元素，以及如何为每个元素检索它们的src属性并将其设置为任意值。

最后要返回转换文档的 html 字符串，您可以使用DOMDocument::saveHTML ：

https://www.php.net/manual/en/domdocument.savehtml

考虑到默认情况下文档将包含包装原始内容的基本 html 框架这一事实。 因此，为了确保生成的 html 仅限于该部分，这里我展示了如何获取body内容并循环遍历其子项以返回最终合成：

https://onlinephp.io/c/157de

<?php

$html = "
<img alt=\"\" src=\"{assets_8170:{filedir_14}test.png}\" style=\"width: 700px; height: 181px;\" />
<img src=\"{filedir_14}test.png\" alt=\"\" />
";

$transformed = processImages($html);

echo $transformed;

function processImages($html){

    //parse the html fragment
    $dom = new DOMDocument();
    $dom->loadHTML($html);
    
    //fetch the <img> elements
    $images = $dom->getElementsByTagName('img');
    
    //for each <img>
    foreach ($images as $img) {
        //get the src attribute
        $src = $img->getAttribute('src');
        //set the src attribute
        $img->setAttribute('src', 'bogus');
    }
    
    //return the html modified so far (body content only)
    $body = $dom->getElementsByTagName('body')->item(0);
    $bodyChildren = $body->childNodes;
    $bodyContent = '';
    foreach ($bodyChildren as $child) {
        $bodyContent .= $dom->saveHTML($child);
    }
    return $bodyContent;
}

src 属性值限制的问题

在阅读评论后，您指出saveHTML返回了一个 html，其中图像src属性值对其特殊字符进行了转义，我做了更多研究......

发生这种情况的原因是因为 DOMDocument 想要确保src属性包含有效的 url 并且{ , }不是有效字符。

自定义数据属性不会发生这种情况的证据

例如，如果我添加了一个类似data-test="mycustomcontent: {wildlyusingwhatever}"的属性，该属性将原封不动地返回，因为它不需要遵守严格的规则。

快速修复以使其工作（击败整个解析器）

现在要解决这个问题，到目前为止我能想到的是：

https://onlinephp.io/c/0e334

//VERY UNSAFE -- replace the in $bodyContent %7B as { and %7D as }
$bodyContent = str_replace("%7B", "{", $bodyContent);
$bodyContent = str_replace("%7D", "}", $bodyContent);
return $bodyContent;

但当然它既不安全也不智能，也不是一个很好的解决方案。 首先是因为它破坏了使用解析器而不是正则表达式的全部目的，其次是因为它可能会严重损坏结果。

使用 loadXML 和 saveXML 的更好方法

为了防止 html 规则生效，可以尝试将文本解析为 XML 而不是 HTML 的路线，这样它仍然会遵守嵌套的 markdown 语法（使用正则表达式很难/不可能处理）但它不会应用有关内容的所有限制。

我通过这样做修改了核心逻辑：

//loads the html content as xml wrapping it with a root element
$dom->loadXml("<root>${html}</root>");

//...

//returns the xml content of each children in <root> as processed so far
$rootNode = $dom->childNodes[0];
$children = $rootNode->childNodes;
$content = '';
foreach ($children as $child) {
   $content .= $dom->saveXML($child);
}
    
return $content;

这是工作演示： https://onlinephp.io/c/f9de1