TIDY - 修正错误的 HTML, XHTML, XML

时间:2014-11-29 22:25 来源: 我爱IT技术网作者:山风

最近发现有时候抓回来的RSS，会有格式错误的问题，

问了我们这的大师部落小波后，他指引了我一条路【HTML Tidy Library Project】

( 真的觉的部落小波懂的还真多耶~~ )

Tidy 这东西可以把一些缺少的或多余的Tag修正，

因为现在很多发表文章的编辑器，都可以自己修改程式码了~

但有时都会把程式码改的乱七八糟~这时候这个东西就挺有用的，

可以帮你修正这些错误~~

很幸运的，PHP也有支援tidy了~

安装方式如下

(1) tidy 安装

我是使用 SuSE, 所以就去找一找 libtidy, libtidy_devel 这两个 rpm后, 给他装上去

(2) 安装 tidy extension in php

./configure --with-tidy=/path/to/libtidy

在您原本的 build options 里面, 加上 --with-tidy

(3) build 完以后, 就可以开心的用了

下来贴上一些范例

如果是修正 XML 的话~

将在【.....丑丑风的老头~~】后面的Tag都删掉

<?php

header("Content-Type:text/xml");

ob_start();

?>

<rss version="2.0">

<channel>

<title>My Lief</title>

<link>http://blog.xuite.net/chingwei/blog%26lt%3B/link>

<description>爽快过生活!!</description>

<item>

<title>【图】画了个丑丑风的老头</title>

<link>http://blog.xuite.net/chingwei/blog/23691532%26lt%3B/link>

<description>丑丑风的老头~~

<?php

$buffer = ob_get_clean();

$tidy_options = array(

'input-xml' => true,

'output-xml' => true,

'indent' => true,

'wrap' => false,

);

$tidy = new tidy();

$tidy->parseString($buffer, $tidy_options,'utf8');

$tidy->cleanRepair();

echo $tidy;

?>

输出结果，他帮我把少掉的Tag都补上了，真棒。

<rss version="2.0">

<channel>

<title>My Lief</title>

<link>http://blog.xuite.net/chingwei/blog%26lt%3B/link>

<description>爽快过生活!!</description>

<item>

<title>【图】画了个丑丑风的老头</title>

<link>http://blog.xuite.net/chingwei/blog/23691532%26lt%3B/link>

<description>丑丑风的老头~~</description>

</item>

</channel>

</rss>

接着我们将在【.....丑丑风的老头~~】后面再加上<Error 的Tag

<?php

header("Content-Type:text/xml");

ob_start();

?>

<rss version="2.0">

<channel>

<title>My Lief</title>

<link>http://blog.xuite.net/chingwei/blog%26lt%3B/link>

<description>爽快过生活!!</description>

<item>

<title>【图】画了个丑丑风的老头</title>

<link>http://blog.xuite.net/chingwei/blog/23691532%26lt%3B/link>

<description>丑丑风的老头~~<Error

<?php

$buffer = ob_get_clean();

$tidy_options = array(

'input-xml' => true,

'output-xml' => true,

'indent' => true,

'wrap' => false,

);

$tidy = new tidy();

$tidy->parseString($buffer, $tidy_options,'utf8');

$tidy->cleanRepair();

echo $tidy;

?>

最后的结果就多出了个Error的Tag，

这就不是我想要的结果了，但他的做法应该也没错。

不能太强求~他已经很强了~~

<rss version="2.0">

<channel>

<title>My Lief</title>

<link>http://blog.xuite.net/chingwei/blog%26lt%3B/link>

<description>爽快过生活!!</description>

<item>

<title>【图】画了个丑丑风的老头</title>

<link>http://blog.xuite.net/chingwei/blog/23691532%26lt%3B/link>

<description>丑丑风的老头~~

<Error></Error></description>

</item>

</channel>

</rss>

下面贴上php官方网站的Sample，是修正HTML (tidy_repair_string)

<?php

ob_start();

?>

<html>

<head>

<title>test</title>

</head>

<body>

<p>error</i>

</body>

</html>

<?php

$buffer = ob_get_clean();

$tidy = tidy_repair_string($buffer);

echo $tidy;

?>

结果它把少的Tag跟错掉的，都修正好了

<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 3.2//EN">

<html>

<head>

<title>test</title>

</head>

<body>

<p>error</p>

</body>

</html>

参考网站：

HTML Tidy Library Project

PHP: Tidy

不太会写程式

PHP+Tidy－完美的XHTML纠错+过滤

PS.

这篇文章我重写了三次，我快被这编辑器搞疯了~我只要按Ctrl+V，他就会将我textarea里的 < 给取代掉，天呀~~~~所以我不会再更新这个文章了~~~~

附上 HTML Tidy Configuration Options

HTML, XHTML, XML Options		Top
Option	Type	Default
add-xml-decl	Boolean	no
add-xml-space	Boolean	no
alt-text	String	-
anchor-as-name	Boolean	yes
assume-xml-procins	Boolean	no
bare	Boolean	no
clean	Boolean	no
css-prefix	String	-
decorate-inferred-ul	Boolean	no
doctype	DocType	auto
drop-empty-paras	Boolean	yes
drop-font-tags	Boolean	no
drop-proprietary-attributes	Boolean	no
enclose-block-text	Boolean	no
enclose-text	Boolean	no
escape-cdata	Boolean	no
fix-backslash	Boolean	yes
fix-bad-comments	Boolean	yes
fix-uri	Boolean	yes
hide-comments	Boolean	no
hide-endtags	Boolean	no
indent-cdata	Boolean	no
input-xml	Boolean	no
join-classes	Boolean	no
join-styles	Boolean	yes
literal-attributes	Boolean	no
logical-emphasis	Boolean	no
lower-literals	Boolean	yes
merge-divs	AutoBool	auto
merge-spans	AutoBool	auto
ncr	Boolean	yes
new-blocklevel-tags	Tag names	-
new-empty-tags	Tag names	-
new-inline-tags	Tag names	-
new-pre-tags	Tag names	-
numeric-entities	Boolean	no
output-html	Boolean	no
output-xhtml	Boolean	no
output-xml	Boolean	no
preserve-entities	Boolean	no
quote-ampersand	Boolean	yes
quote-marks	Boolean	no
quote-nbsp	Boolean	yes
repeated-attributes	enum	keep-last
replace-color	Boolean	no
show-body-only	AutoBool	no
uppercase-attributes	Boolean	no
uppercase-tags	Boolean	no
word-2000	Boolean	no

Diagnostics Options		Top
Option	Type	Default
accessibility-check	enum	0 (Tidy Classic)
show-errors	Integer	6
show-warnings	Boolean	yes

Pretty Print Options		Top
Option	Type	Default
break-before-br	Boolean	no
indent	AutoBool	no
indent-attributes	Boolean	no
indent-spaces	Integer	2
markup	Boolean	yes
punctuation-wrap	Boolean	no
sort-attributes	enum	none
split	Boolean	no
tab-size	Integer	8
vertical-space	Boolean	no
wrap	Integer	68
wrap-asp	Boolean	yes
wrap-attributes	Boolean	no
wrap-jste	Boolean	yes
wrap-php	Boolean	yes
wrap-script-literals	Boolean	no
wrap-sections	Boolean	yes

Character Encoding Options		Top
Option	Type	Default
ascii-chars	Boolean	no
char-encoding	Encoding	ascii
input-encoding	Encoding	latin1
language	String	-
newline	enum	Platform dependent
output-bom	AutoBool	auto
output-encoding	Encoding	ascii

Miscellaneous Options		Top
Option	Type	Default
error-file	String	-
force-output	Boolean	no
gnu-emacs	Boolean	no
gnu-emacs-file	String	-
keep-time	Boolean	no
output-file	String	-
quiet	Boolean	no
slide-style	String	-
tidy-mark	Boolean	yes
write-back	Boolean	no

评论列表（网友评论仅供网友表达个人看法，并不表明本站同意其观点或证实其描述）

TIDY - 修正错误的 HTML, XHTML, XML

第一章 XHTML 教程（基础）

第二章 XHTML 教程（高级）

TIDY - 修正错误的 HTML, XHTML, XML

第一章 XHTML 教程 （基础）

第二章 XHTML 教程（高级）

第一章 XHTML 教程（基础）