使用PHP從XHTML中剝離微數據 - 使用RegEx？
[英]Stripping microdata from an XHTML with PHP - using RegEx?
問題描述
第一：我讀過將軍; 不要像這樣對XHTML參數使用RegEx： RegEx匹配除XHTML自包含標記之外的開放標記 ，我確實理解RegEx如何在嵌套的XHTML或XML節點上失敗。
我不明白為什么單獨操作XML的屬性應該使用RegEx中斷。 所以一般規則似乎有例外。 屬性總是包含在單個節點中，以<開頭並以<結尾>中間的任何其他< or >會破壞XML，因此不會發生這種情況。
現在我想清理它可能包含的任何微數據的XHTML字符串。 這是任何屬性itemscope ， itemtype ， itemprop ， itemid和itemref 。 像這樣的東西：
...
<body itemscope="itemscope" itemtype="http://schema.org/WebPage">
<div itemprop="maincontent">content</div>
...
在PHP中執行此操作的最佳方法是什么？
1 個解決方案
解決方案1
4 已采納 2011-06-19 19:48:00
我實際建議：
- 使用SimpleXML之類的東西加載字符串。
- 刪除您感興趣的屬於刷新的屬性。
- 將其保存回字符串。
有一堆命名空間問題，我不確定你將如何處理，但這可能比嘗試構建一個或多個正則表達式更清潔/更快樂，並確保你不會錯過任何東西。
編輯：事實證明SimpleXML將無法工作（有限的修改功能），但DOM會。 像這樣的東西：
$data=<<<END1
<body itemscope="itemscope" itemtype="http://schema.org/WebPage">
<div itemprop="maincontent">content</div>
</body>
END1;
$xml=new DOMDocument();
$xml->loadXML($data);
// find every relevant node
$xpath = new DOMXPath($xml);
$attr = $xpath->query("//@itemscope|//@itemprop|//@itemtype");
foreach ($attr as $entry) {
$entry->parentNode->removeAttribute($entry->nodeName);
}
echo $xml->saveXML();
你必須修改它以包含你想要刪除的所有屬性，就像我說我不知道它如何處理命名空間，但它是一個開始。
使用標記和PHP從字符串中剝離文本
聲明:本站的技術帖子網頁，遵循CC BY-SA 4.0協議，如果您需要轉載，請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.