Procisteni HTML tagu

potrebuji procistit 18 let stary web. Clanky jsou ulozeny v databazi a obsahuji ruzne zapsane tagy napr. <p ALIGN="CENTER" >, <p ALIGN="CENTER">,, <p align="CENTER"> <P ALIGN="CENTER" >, <P ALIGN=CENTER >, <P ALIGN='CENTER'> a tak podobne.

Rad bych je

1) prevedl na mala pismena

2) centrovani atd nahradil za css trid tedy treba class='center', class='justify' ...

Jak mohu vse co je uzavreno v <> vybrat? Uvitam i rady na procisteni, treba nejaky reg. vyraz ... s temi si rozumim jen trosku :-(

Idealni by byl hotovy priklad.

Predem dekuji za pomoc.

Jirka

Nahlásit jako SPAM

IP: 31.30.86.–

peter

~ Anonymní uživatel
~ 4014 příspěvků

14. 8. 2017 #2

Pro zacatek muzes pouzit str_replace, kde definujes pole typu
$patt = array(
'align="CENTER"',
'align="center"',
'align="CENTER"'
);
$repl = array(
'class="center"',
'class="center"',
'class="center"'
);
$str = str_replace($patt, $repl, $str);

Ten reg. vyraz se da vygooglovat. Ale neni problem tak jednoduchy.
- Co kdyz tag uz class ma?
- Co kdyz tag pouziva nezname align?
- Co kdyz je v zapisu chyba?
- Co kdyz tam nejsou uvozovky nebo jsou jednoduche nebo je tam hlml entita?
- Co kdyz je tam neukoncena uvozovka?
(Firefox obsahuje chybu, ze ma spatne nastavene priority a vysledkem
<table align="center><tr> neni
<table align="center"><tr> ale
<table align="center><tr> a celej web to rozhazi :)

Nahlásit jako SPAM

IP: 2001:718:2601:258:79e4:c5...–

peter

~ Anonymní uživatel
~ 4014 příspěvků

14. 8. 2017 #3

jo, ten posl radek align mel byt ne
'align="CENTER"' ale
'ALIGN="CENTER"' ale jeste bych tam mozna pridal
'align="Center"'
'Align="Center"'
'ALIGN="Center"'

Nahlásit jako SPAM

IP: 2001:718:2601:258:79e4:c5...–

zak 0

Newbie

14. 8. 2017 #4

#3 peter
Nejakym podobnym zpusobem ten zdroj pokusne cistim. Ale nevim jake tagy v tech zdrojacich jsou. Proto me zajima zda je mozne nejak vypsat vse co je uzavreno mezi znaky <> abych mohl cisteni doladit.
Muzes mi s tim vypisem (treba prave za pouziti RV) poradit? Diky.

Nahlásit jako SPAM

IP: 31.30.86.–

peter

~ Anonymní uživatel
~ 4014 příspěvků

14. 8. 2017 #5

Tak ja ti pomuzu googlovat, dobre.
1. otevres stranku google.com (ono to presmeruje na google.cz)
2. do vyhledavaciho policka zadas: php regullar expression tag params
3. kliknes na prvni nalezenou stranku, shodou okolnosti manual a tam je

$patterns = array(
            "/\[link\](.*?)\[\/link\]/",
            "/\[url\](.*?)\[\/url\]/",
            "/\[img\](.*?)\[\/img\]/",
            "/\[b\](.*?)\[\/b\]/",
            "/\[u\](.*?)\[\/u\]/",
            "/\[i\](.*?)\[\/i\]/"
        );
        $replacements = array(
            "<a href=\"\\1\">\\1</a>",
            "<a href=\"\\1\">\\1</a>",
            "<img src=\"\\1\">",
            "<b>\\1</b>",
            "<u>\\1</u>",
            "<i>\\1</i>"
           
        );
        $newText = preg_replace($patterns,$replacements, $text);

---

function strip_selected_tags($str, $tags = "", $stripContent = false)
{
    preg_match_all("/<([^>]+)>/i", $tags, $allTags, PREG_PATTERN_ORDER);
    $replace = "%(<$tag.*?>)(.*?)(<\/$tag.*?>)%is";
    foreach ($allTags[1] as $tag) {
        if ($stripContent) {
            $str = preg_replace($replace,'',$str);
        }
            $str = preg_replace($replace,'${2}',$str);
    }
    return $str;
}
?>

3b. Asi paty odkaz vede na stackoverflow, pomerne zname forko plne uzitecnych rad
https://stackoverflow.com/…apture-group
Parsovani url, to je podobne.

<?php
$str="member.php?action=bla&arg=2&test=15&schedule=16#test";
preg_match_all('/([^?&=#]+)=([^&#]*)/',$str,$m);
print_r($m);

//combine the keys and values onto an assoc array
$data=array_combine( $m[1], $m[2]);
print_r($data);
?>

3c. Dalsi link ze stack, a tam odkaz na demicko
https://regex101.com/r/kG5vF1/4 ;

Pomoci vyrazu
/(?:<html|(?<!^)\G)\h*(?:([^=\n\h]+)=(['"])((?:\\\2|(?!\2).)*)\2)?/gmi
Parsuji 
<html>
<html lang="en">
<html class="my-class">
<html class="my-class" lang="en">

No, a proc to neresis html parserem?
google = php html parse
http://php.net/…tml.php ;

$doc = new DOMDocument();
$doc->loadHTML("<html><body>Test<br></body></html>");
echo $doc->saveHTML();
?>

---

<?php
$doc = new DOMDocument();
$doc->loadHTML('<?xml encoding="UTF-8">' . $html);
// dirty fix
foreach ($doc->childNodes as $item)
    if ($item->nodeType == XML_PI_NODE)
        $doc->removeChild($item); // remove hack
$doc->encoding = 'UTF-8'; // insert proper
?>

Nahlásit jako SPAM

IP: 2001:718:2601:258:80c5:21...–

peter

~ Anonymní uživatel
~ 4014 příspěvků

14. 8. 2017 #6

Jo, u toho 3c, tam maji vpravo pak ukazku, co je ve kterem match (match = array( 0=>... 1=>...))

Nahlásit jako SPAM

IP: 2001:718:2601:258:80c5:21...–

zak 0

Newbie

14. 8. 2017 #7

Diky, nevedel jsem, ze nejaky google existuje.

Nahlásit jako SPAM

IP: 31.30.86.–

zak 0

Newbie

14. 8. 2017 #8

Prevedeni tagu na mala pismena jsem poresil takhle:

https://stackoverflow.com/questions/12229795/convert-all-html-tags-to-lowercase

function lowerTags($matches) {
    return strtolower($matches[1]);
}

$old = "<!--BLAH--><FONT COLOR='BLACK'>extra textCAPITALIZED</FONT><P></P><TR></TR>";

echo preg_replace_callback("/(<\/?[^!][^>]+)/", 'lowerTags', $old);

Nahlásit jako SPAM

IP: 31.30.86.–

peter

~ Anonymní uživatel
~ 4014 příspěvků

11. 9. 2017 #9

Jo, jenze strtolower se neda pouzit na utf, tam je mb_strtolower.

Nahlásit jako SPAM

IP: 193.84.207.–

← Zpět na seznam vláken ← Zpět do Fóra